1.一种基于RANSAC算法的带有遗传因子的图像匹配方法，其特征在于，包括如下步骤：

1)利用SURF算法计算找出图像中的特征点，并找出连续两张图像中互相匹配的特征点作为图像匹配的备选样本点集；

2)利用PURSAC算法中的样本点选点方法对所选择的样本点通过迭代最小二乘法算法进行图像匹配，获得初始图像匹配模型，初始匹配模型为3阶方阵，计算初始图像匹配模型的质量系数σ；

3)所有样本点集中的点都被分配一个遗传因子λ，根据质量系数σ值判定当前图像匹配模型采取的不同处理步骤：如果得到满足条件的质量系数σ值，则求得最终图像匹配模型；否则继续进行迭代，并对当前图像匹配模型内点的遗传因子λ进行修正；

4)在迭代数次后，如果图像匹配模型质量始终不满足条件，则根据遗传因子λ选出一定比例的样本点直接进行图像匹配模型匹配，并得出最终图像匹配模型。

2.根据权利要求1所述的方法，其特征在于，所述步骤2)中，利用PURSAC算法中的样本点选点方法，即从备选样本点集中利用设定样本点之间的距离阈值选择用于图像匹配的样本点。

3.根据权利要求1所述的方法，其特征在于，所述步骤2)中，计算初始图像匹配模型的质量系数σ过程如下：

1)设置循环次数N；

2)在循环次数内，始终取内点数最多的模型为最佳模型；

3)将得到的最佳模型作为初始图像匹配模型，并根据公式(1)计算质量系数σ：其中：Nτ和N2τ分别是在内点阈值为τ和2τ时的内点个数；τ为点到模型的距离。

4.根据权利要求1所述的方法，其特征在于，所述步骤2)中，满足条件的质量系数σ值为：设定质量系数σ的区间，σH设为质量系数高阈值，σL设为质量系数低阈值，σD设为最终质量系数阈值；

当σ＜σL，表明模型质量差；当σ＞σH，表明图像匹配模型质量较好；当σ处于σH和σL区域中间时，表明图像匹配模型质量一般；当σ＞σD时，说明图像匹配模型质量已经达标，可以作为最终图像匹配模型输出。

5.根据权利要求1所述的方法，其特征在于，所述步骤3)中，最终匹配模型利用加权迭代最小二乘法得到。

6.根据权利要求1所述的方法，其特征在于，所述步骤3)中，对当前图像匹配模型内点的遗传因子λ进行修正步骤如下：a)如果σ＜σL，将图像匹配模型中所有样本点定为外点，利用公式(2)计算降低λ的值：式中，t为模型匹配次数，λt-1为t-1次模型匹配后，样本点的遗传因子值；

并且从备选样本点中去除利用建模的7个点，剩下的备选点重新利用PURSAC和迭代最小二乘法进行初始图像匹配模型建模；

b)如果σ＞σH，利用加权迭代最小二乘法获得图像匹配模型，并根据公式(1)重新计算σ：c)如果σ＞σD，确定最终图像匹配模型，否则，根据公式(3)提供λ的值，随机选取7个样本点进行图像匹配模型建模：d)如果σL＜σ＜σH，利用公式(3)调整λ的值。

7.根据权利要求1所述的方法，其特征在于，所述步骤4)中，根据遗传因子λ选出60％的样本点直接进行图像匹配模型匹配，利用加权迭代最小二乘法对模型进行优化得到最终图像匹配模型。