1.一种运动结构相似性的低秩序列影像匹配点粗差检测方法，其特征在于，包括如下步骤：S1：将序列影像的n视m个初始匹配点按横纵坐标xy组成一个m×2n的坐标矩阵X，记第i个初始匹配点构成坐标矩阵的一个行向量为：(Xi1,Xi2,…,Xin)＝(xi1,yi1,xi2,yi2,…,xin,yin)；

S2：对步骤S1所得结果X计算序列影像间匹配点运动结构相似度矩阵D；

S3：对步骤S2所得结果D进行低秩和稀疏分解建模，得到优化模型f(A,E)，其中D＝A+E，A为满足运动结构相似性的低秩矩阵，E为错误匹配点的稀疏矩阵；

S4：对步骤S3所得结果f(A,E)，表达为增广拉格朗日函数L(A,E,Y,μ)，其中Y为拉格朗日乘子，μ为模型的惩罚参数，采用ALM方法进行低秩和稀疏分解，得到低秩矩阵A和稀疏矩阵E；

S5：对步骤S4所得结果E计算其列向量的奇异值得到奇异值向量ζ和其均值mean(ζ)；

S6：对步骤S5所得结果ζ计算其标准差σζ；

S7：对步骤S5所得结果ζ和步骤S6所得结果σζ，判断某列向量奇异值ζi与均值mean(ζ)之差是否大于k倍奇异值向量标准差σζ，即ζi‑mean(ζ)>kσζ，如果是，则该列向量对应的匹配点为错误匹配点，如果否，则该列对应的匹配点为正确匹配点；

所述步骤S2中的运动结构相似度矩阵D，其r行c列表达式为：r c r c T r

其中，<Φ ,Φ>＝tr(Φ (Φ))，Φ ＝(Xr1‑Xr2,Xr2‑Xr3,...,Xrn‑1Xrn)，表示第r个匹配点对应的n视匹配点序列间的运动矢量； 表示第c个匹配点对应的n视匹配点序列间的运动矢量，tr(·)为取迹操作，dD(r,c)为每两对匹配点运动矢量间的Tanimoto相似性度量，exp(.)为取以自然常数e为底的指数函数，σ为标准差；

所述步骤S3中低秩和稀疏优化模型f(A,E)的表达式为：其中，||A||*为矩阵A的秩，λ为正则化参数，等于 m为初始匹配点数。

2.根据权利要求1所述的运动结构相似性的低秩序列影像匹配点粗差检测方法，其特征在于，所述步骤S4中的增广拉格朗日函数L(A,E,Y,μ)表达式为：其中，||·||F是Frobenius范式；

对L(A,E,Y,μ)采用ALM方法进行低秩和稀疏分解，得到低秩矩阵A，其第t+1次迭代表达式为：其中， svd表示奇异值分解操作，Θ(·)(·)表示软阈值操作；

对L(A,E,Y,μ)采用ALM法进行低秩和稀疏分解，得到稀疏矩阵E，其第t+1次迭代表达式为：其中，Ω(·)(·)表示软阈值操作；

在模型求解过程中，更新Y的第t+1次迭代，表达式为：Yt+1＝Yt+μt(D‑At+1‑Et+1)更新μ的第t+1次迭代，表达式为：

μt+1＝ρμt

其中，ρ表达为大于1的步长。