1.一种复杂背景下的全景图像拼接方法，其特征在于，方法步骤如下：步骤一、在RGB颜色空间用高斯混合模型对原始图像进行建模，建立图像的能量函数，提取图像前景像素；其中，步骤一具体包括：步骤一一、在RGB颜色空间，用2个包含5个高斯分量的全协方差混合高斯模型分别对前景像素和背景像素进行建模；步骤一二、建立整幅图像的能量函数：E( α ,k, θ ,z)＝U( α ,k, θ ,z)+V( α ,z) (1)其中 表示像素属于前景或背景的代价，用概率的负对数表示；V( α ,z)表示相邻像素之间不连续的代价，混合高斯模型的概率密度函数表达式为：对公式(2)取负对数，得D(α n ,k n , θ ,z n )表达式为：其中Z n 为三维数组，表示第n个像素，{k 1 ,…，k n ,…，k N }为辅助向量，表示第n个像素对应的高斯分量，α n ＝0表示属于背景混合高斯模型，α n ＝1表示属于前景混合高斯模型，V( α ,z)的表达式如下：其中γ＝50，β参数由对比度决定，用相邻两个像素在RGB空间的欧式距离评价其相似性；步骤一三、设置包含前景像素的矩形框，框内像素为前景像素α n ＝1，框外像素为背景像素α n ＝0，采用聚类算法将前背景像素分为5类，进而通过样本像素估计模型参数 θ ＝{π(α,k),μ(α,k),Σ(α,k),α＝0,1,k＝1,2,3,4,5}；步骤一四、多次迭代使图像能量最小，完成背景去除，迭代具体过程如下：步骤一四一、将图像中每个像素的像素值分别代入相应前景混合高斯模型或背景混合高斯模型的5个高斯分量，概率最大的高斯分量指定为该像素所属的高斯分量；步骤一四二、利用上一步得到的高斯分量像素样本重新估计混合高斯模型的参数；步骤一四三、利用最小割算法分割图像像素之间的边，使图像能量函数最小；步骤一四四、重复步骤一四一至步骤一四三，直到收敛；步骤一五、用户指定部分前背景像素，再次执行最小割算法达到全局能量最小，使前背景像素完全分割，去除背景像素；步骤二、对完成背景去除的图像构建尺度空间，在多个尺度空间检测图像的局部特征点；步骤三、采用快速近似最近邻搜索匹配算法对相邻图像之间的局部特征点进行匹配，匹配过程中采用局部特征点之间的距离作为匹配准则，得到相邻图像之间的初步匹配结果；步骤四、采用随机采样一致性算法对误匹配的特征点进行筛选，以特征点经过单应性变换与匹配特征点之间距离的平方等于4.0为筛选阈值，获取准确匹配结果，从而得到相邻图像间精确的单应性矩阵；步骤五、根据单应性矩阵对相邻图像进行位置变换拼接图像，拼接过程中采用直接平均融合法处理图像间的重叠区域，生成全景图像。
2.根据权利要求1所述的一种复杂背景下的全景图像拼接方法，其特征在于，步骤二具体包括：步骤二一、对原图像进行下采样先形成图像金字塔，利用高斯核函数对图像构建高斯金字塔；步骤二二、将相邻两个高斯尺度空间图像作差得到高斯差分尺度空间；步骤二三、在高斯差分尺度空间，对于某个像素点，将它和所有邻近像素点逐个比较大小，包括同一尺度和上下两个尺度空间，找到极大值或极小值；步骤二四、在任一极值点处采用泰勒公式展开，用x,y,σ的三维二次函数插值，插值函数分别对x,y,σ求偏导，得到新的极值点，若极值点的偏移量大于阈值0.5，改变极值点位置，同时继续插值直到收敛，得到精确的极值点位置；步骤二五、得到极值点的精确位置后，以该极值点的精确位置为中心，3σ为半径，计算该窗口内每个像素点梯度的模m’和角度θ，用分布直方图分析窗口内像素的梯度信息，每10度一个柱，纵轴为模累加和，将峰值对应角度作为极值点主方向；步骤二六、生成极值点的描述：首先将坐标轴方向和极值点的主方向重合，并将极值点附近像素划分为4×4区域，将每个区域内像素梯度值分到8个方向，一共生成4×4×8＝128维向量，对向量进行归一化处理，进而得到稳定的图像局部特征点。
3.根据权利要求2所述的一种复杂背景下的全景图像拼接方法，其特征在于，步骤三具体包括：步骤三一、采用快速近似最近邻搜索算法中的K-D树算法对特征点的128维特征向量构建K-D树；步骤三二、采用KNN搜索，根据特征点间欧式距离，找到另一幅图像最近邻和次近邻的两个特征点，两个特征点R i 、L i 之间的欧式距离计算为：步骤三二、将最近邻特征点距离小于0.8倍的次近邻特征点距离的最近邻特征点作为初步匹配结果。
4.根据权利要求3所述的一种复杂背景下的全景图像拼接方法，其特征在于，步骤四具体包括：步骤四一、随机从匹配的特征点抽出4对不共线特征点，计算单应性矩阵H，记为模型N；步骤四二、用模型N测试已经匹配的所有特征点对，计算其与模型N之间的代价函数，将代价函数值小于4.0的特征点加入内点集I C ，代价函数的计算为:其中，(x,y,z)和(x i ,y i ,z i )表示匹配特征点对的坐标；步骤四三、若I C 中对象个数大于最佳内点集I B 时，令I B ＝I C ，计算迭代次数K大小，K计算为：其中，p表示置信度，为0.995；w表示内点所占比例，m’为4；步骤四四、若当前次数n大于K或最优点集I B 保持稳定不变，结束迭代；否则当前次数n加1，继续迭代上述步骤，从而得到精确匹配的特征点；步骤四五、基于精确匹配的特征点计算相邻图像间的单应性矩阵。
5.根据权利要求4所述的一种复杂背景下的全景图像拼接方法，其特征在于，步骤五具体包括：步骤五一、根据单应性矩阵对相邻图像进行单应性变换拼接图像；步骤五二、采用直接平均融合法处理图像间的重叠区域，将两幅图像重叠区域对应位置像素值相加，对其直接取平均值作为该位置新的像素值，具体计算为：其中F(x,y)表示两幅图像融合后(x,y)位置处像素值，F 1 (x,y)和F 2 (x,y)分别表示融合前两幅图像在(x,y)位置处像素值。
