1.一种无人机影像匹配像对提取方法，所述方法用于对无人机影像集提取匹配像对，其特征在于，包括以下步骤：步骤1：对无人机影像集提取SIFT特征向量；

步骤2：对SIFT特征向量进行降维：

步骤2.1，从无人机影像集中任意抽取部分无人机影像，以抽取的该部分无人机影像对应的SIFT特征向量组成特征矩阵；

步骤2.2，对步骤2.1得到的特征矩阵进行降维；

步骤3：构建视觉词典：

步骤3.1，对降维后的特征矩阵进行聚类得到多个聚类中心，每一个聚类中心作为一个视觉单词，获取每一个视觉单词对应的权值；其中，利用K均值法对降维后的特征矩阵进行聚类，聚类中心初始数量设置为步骤2.1中抽取的无人机影像数量的200倍；通过计算每一个视觉单词的词频逆文档频率，获取该视觉单词对应的权值；

步骤3.2，将所有视觉单词及对应的权值采用二叉树形式构建视觉词典；

步骤4：以无人机影像集中的第i个影像作为当前查询影像Ii，通过视觉词典在无人机影像集中查询与当前查询影像Ii最相似的影像形成相似影像列表，i为自然数；该步骤具体包括：以无人机影像集中的第i个影像作为当前查询影像Ii，统计当前查询影像Ii包含的视觉单词及对应的权值组成权值向量；

步骤5：计算相似影像列表的综合查询因子：

步骤5.1，分别计算当前查询影像Ii与相似影像列表内每一个影像的空间距离指数和相似指数，将空间距离指数与相似指数的乘积作为综合查询因子，相似影像列表内每一个影像对应一个综合查询因子；

所述空间距离指数计算如下：

其中， 表示当前查询影像Ii与相似影像列表中的第j个影像Ij的空间距离指数，i,j均为自然数；dmax为当前查询影像Ii与相似影像列表中所有影像的最大空间距离， 为当前查询影像Ii与相似影像列表中的Ij之间的空间距离；

所述相似指数是指当前查询影像Ii的权值向量与相似影像列表中的影像Ij的权值向量的夹角余弦值；

步骤5.2，对综合查询因子降序排序，前q个综合查询因子对应的相似影像列表内的影像数量为查询深度,q为自然数；

步骤6：根据查询深度界定查询深度阈值t取值为0

所述查询深度阈值t计算如下：

其中，g(t)为查询深度阈值t所对应的查询曲线方差；q为查询深度，n1为查询深度阈值t之上的影像数量， 为相似影像列表中的影像Ij的综合查询因子，j为自然数；

步骤7：将查询深度阈值t之上的影像与当前查询影像Ii组成Ii的候选匹配像对；

步骤8：将无人机影像集中除Ii以外的其他影像分别作为当前查询影像，重复步骤4‑7，得到无人机影像集中所有影像的候选匹配像对，剔除重复的候选匹配像对，最终得到从无人机影像集提取的匹配像对。

2.根据权利要求1所述的无人机影像匹配像对提取方法，其特征在于：步骤1中，利用GPU并行方法对无人机影像集提取128维SIFT特征向量。

3.根据权利要求2所述的无人机影像匹配像对提取方法，其特征在于：步骤2.2中的降维采用的无人机影像数量为无人机影像集总数量的10％，利用主成分分析方法将特征维度由128维降低至64维。

4.一种无人机影像三维稀疏重建方法，其特征在于，包括如下步骤：步骤(1)，按照权利要求1‑3中任意一个权利要求所述方法对无人机影像提取匹配像对；

步骤(2)，利用步骤(1)提取的匹配像对完成无人机影像三维稀疏重建。

5.根据权利要求4所述的无人机影像三维稀疏重建方法，其特征在于，步骤(2)中，基于开源稀疏重建库完成无人机影像三维稀疏重建。