1.一种通过在线分类跟踪内窥镜图像序列特征点的方法，其特征在于，包括以下步骤：(1)、图像采集；

在线采集内窥镜图像并将内窥镜图像进行灰度转换；

(2)、构建特征点向量集合；

利用特征提取算子SIFT提取前T帧灰度内窥镜图像的特征点 每个特征点用128维向量表示，再将前T帧提取的特征点存入到特征点向量集合 其中，k＝1,2,…,T；

(3)、利用动态聚类算法对特征点向量集合进行在线聚类，得到初始分类模型；

(3.1)、利用模糊C均值算法对V进行计算，将V划分为c类；

(3.2)、定义第j类的核Kj， K(·)表示核函数，λj表示Kj的参数集，参数集λj＝{mj,Uj}，mj是特征点均值，Uj为特征点协方差矩阵；定义特征点 到核Kj的距离为：(3.3)、计算特征点向量集合V中某一个特征点 到每类核的距离，如果某个特征点到核Kj的的距离最小，则将特征点 划分到第j类，并记录下对应的核Kj；

(3.4)、同理，计算特征点向量集合V中剩余特征点到每类核的距离，从而实现剩余特征点的类别划分，并记录下剩余特征点对应的核；

(3.5)、将步骤(3.3)-(3.4)中记录的所有类的核Kj组成初始分类模型A；

(4)、修正初始分类模型A；

(4.1)、按照步骤(2)所述方法，提取第T+1帧灰度内窥镜图像的特征点 并将每个特征点用128维向量表示，再将第T+1帧提取的特征点存入到特征点向量集合(4.2)、利用用初始分类模型A对特征点向量集合V(T+1)中的特征点进行分类；

(4.3)、设置“看门狗”，用符号g表示，初始时刻g＝0；

(4.4)、通过人工检视的方式检视步骤(4.2)的分类结果是否全部正确，如果分类结果全部正确，则利用第T+1帧中的特征点 修正初始分类模型A，且g增加1，然后返回步骤(4.1)，进行下一帧内窥镜图像的处理；否则，将g重新置为0，然后返回步骤(4.)，进行下一帧内窥镜图像的处理；

(4.5)、当g的数值达到预设阈值ρ时，则初始分类模型A修正结束，即得到最终的分类模型；

(5)、利用最终的分类模型对下一帧即将到来的内窥镜图像的特征点进行在线分类，实现内窥镜图像序列软组织特点的实时跟踪。

2.根据权利要求1所述的一种通过在线分类跟踪内窥镜图像序列特征点的方法，其特征在于，所述核函数满足：其中，mj是特征点均值，Uj为特征点协方差矩阵，d表示特征点向量的维度。

3.根据权利要求1所述的一种通过在线分类跟踪内窥镜图像序列特征点的方法，其特征在于，所述特征点 到核Kj的距离 的计算公式为：