1.一种基于Sift-edge Flow的图像反射分离方法，其特征在于：包括以下步骤：步骤1：输入图像序列；

步骤2：边缘运动计算：利用自然图像梯度归属先验，并结合特征匹配技术计算带反射图像边缘处运动；

步骤3：初始解构造：利用步骤2求解得到的图像的稀疏运动场，构造背景图像及反射图像的稠密运动场，并进一步构造背景图像和反射图像的初始解；

步骤4：最优化求解：利用步骤3提供的背景图像及反射图像相应的稠密运动场初始解和图像初始解进行最优化求解，得到分离后的背景图像和反射图像。

2.如权利要求1所述的一种基于Sift-edge Flow的图像反射分离方法，其特征在于：所述步骤2中的边缘运动计算步骤如下：步骤21：计算输入图像序列中各图像逐像素点的Sift特征，利用图像边缘检测算子计算图像序列中待分离参考图像的图像边缘；

步骤22：使用Sift-edge Flow计算参考图像到其他输入图像的边缘处稀疏运动场。

3.如权利要求1所述的一种基于Sift-edge Flow的图像反射分离方法，其特征在于：所述步骤2中的边缘运动计算的目标函数为：t

式中，0≤IB,IR≤1，||·||1为L-1模，I为输入图像的n×1向量，IB为背景图像的n×1向量，IR为反射图像的n×1向量，n为像素数量，▽为梯度算子， 为背景部分运动向量的集合， 为反射部分运动向量的集合， 均是n×2的矩阵， 为n×n变换矩阵，为根据运动场 变换后的背景图像， 为根据运动场 变换后的背景图像；

所述目标函数中的第一项为数据项，用来表示背景图像、反射图像与原始图像序列的变换误差；所述目标函数中的第二项用于施加梯度离散性先验约束；所述目标函数中的第三项通过对同一像素点背景图像梯度和反射图像梯度的乘积进行惩罚来施加梯度的归属先验约束；所述目标函数中的第四项用来保证运动场的相对平滑性。

4.如权利要求1所述的一种基于Sift-edge Flow的图像反射分离方法，其特征在于：所述步骤3中的初始解构造的步骤具体如下：步骤31：对于计算边缘运动得到的稀疏运动场进行分类，分别得到背景图像及反射图像对应的稀疏运动场，并进一步构造相应的稠密运动场；

步骤32：根据背景图像和反射图像的稠密运动场，使用图像变换的方法构造背景图像和反射图像的初始解。

5.如权利要求1所述的一种基于Sift-edge Flow的图像反射分离方法，其特征在于：所述步骤4中的最优化求解的步骤如下：步骤41：固定背景图像和反射图像的稠密运动场，以背景图像和反射图像为变量，对目标函数进行最优化求解；

步骤42：固定背景图像和反射图像，以背景图像和反射图像的稠密运动场为变量，对目标函数进行最优化求解；

步骤43：重复步骤41、步骤42，进行交替优化求解。