1.一种轮船图标图像叠加误差的纠正方法，其特征在于，包括：
步骤一、获取目标轮船同一时刻下的多帧图标图像，并进行降噪处理得到去模糊图像；
步骤二、将所述去模糊图像叠加，并进行二值化输出图像数据；
步骤三、利用神经网络方法将所述图像数据进行聚类，划分为多个类区域数据；
步骤四、采用二维高斯滤波去除所述类区域的离散噪声得到纠正图像，并将所述纠正图像进行拼接得到完整轮船图标图像。
2.如权利要求1所述的轮船图标图像叠加误差的纠正方法，其特征在于，所述步骤一中降噪处理包括：
利用边缘检测算法对所述图标图像进行梯度化，以梯度图为引导图进行预滤波；
式中，di表示滤波后的图像，i表示像素点，wj表示以i点为中心的局部区块，i表示梯度图，aj，bj表示线性转换参数，μj表示梯度图像素均值，σj表示梯度图像素方差，fi表示图标图像，
计算预滤波后图像相邻区块的相似性系数，并对非局部均值滤波器的权值函数进行改进；
式中，w(i,j)表示权值系数，z(i)表示加权因子，s表示相似性系数，q表示平滑系数，dist表示欧式距离。
3.如权利要求2所述的轮船图标图像叠加误差的纠正方法，其特征在于，所述相似性系数的计算公式为：
式中，m,n表示相邻区块，μm表示m区块的像素均值，μn表示n区块的像素均值，σm2表示m区块的像素方差，σn2表示n区块的像素方差，σmn2表示m,n区块的像素协方差，表示m区块的像素方差，c1,c2,c3表示极小参数。
4.如权利要求3所述的轮船图标图像叠加误差的纠正方法，其特征在于，所述步骤二中图像叠加包括：
根据图像拍摄位置和角度将所述去模糊图像坐标进行标定，再生成灰度图；
采用梯度算子对所述灰度图进行边界提取；
分析所述去模糊图像边界与环境图像之间存在的几何偏差；
通过几何变换修正去模糊图像偏差得到修正图像；
将所述修正图像按照对应坐标叠加。
5.如权利要求4所述的轮船图标图像叠加误差的纠正方法，其特征在于，所述边界提取包括：
遍历所述灰度图，计算像素点的梯度模长；
将所述梯度模长大于模长阈值的点作为边界点；
式中，f(x,y)表示当前点灰度值，g表示梯度模长。
6.如权利要求5所述的轮船图标图像叠加误差的纠正方法，其特征在于，所述修正去模糊图像偏差公式为：
式中，(xd,xd)表示误差点实际坐标，
7.如权利要求6所述的轮船图标图像叠加误差的纠正方法，其特征在于，所述二值化包括：
对所述灰度图的每一行进行归一化处理，再整体进行二值化；
所述归一化公式为
所述二值化公式为
其中，e表示归一化后的数值，e表示归一化前的数值，vmin表示最小灰度值，vmax表示最大灰度值，f表示二值化输出值，g表示像素点灰度值，thres表示灰度阈值。
8.如权利要求7所述的轮船图标图像叠加误差的纠正方法，其特征在于，所述步骤三包括：
采用神经网络将所述图像数据划分为2-20个类；
计算每个分类数下聚类结果的评价指数；
式中，db表示评价指数，n表示分类数，mi表示第i类数据的类间距离，mj表示第j类数据的类间距离，max表示取最大值，
将所述评价指数最小的聚类方案作为最优聚类方案。
9.如权利要求8所述的轮船图标图像叠加误差的纠正方法，其特征在于，所述步骤四中，去除离散噪声包括：
计算二维高斯模板的一阶偏导数和二阶偏导数；
用所述一阶偏导数和所述二阶偏导数对所述类区域数据进行滤波得到类区域图偏导数；
根据所述类区域图偏导数，计算所述类区域图曲线曲率值；
其中，所述二维高斯模板为
式中，h(t,z)表示高斯函数，t,z表示自变量，ν表示标准差。
10.如权利要求9所述的轮船图标图像叠加误差的纠正方法，其特征在于，所述曲率值的计算公式为：
式中，k表示曲率值，