1.一种耳鼻喉病变图像智能分类方法，其特征在于，所述方法包括：

获取每个咽炎患者的咽喉灰度图像；

利用预设分类方法对所有咽喉灰度图像分类，获取所有图像初始类别；预设分类方法包括：在每个咽喉灰度图像中，获取所有疑似病灶区域，根据每个像素点的灰度信息，及相对所述疑似病灶区域的位置分布情况，获取每个像素点的表现参数；根据所述表现参数获取每个咽喉灰度图像中的所有病灶区域；根据不同咽喉灰度图像中所述病灶区域之间的灰度差异及形态特征差异，结合所述病灶区域之间像素点的所述表现参数的差异，获取不同咽喉灰度图像之间的病理相似系数；根据所述病理相似系数，将所有咽喉灰度图像分类；

根据图像纹理信息从每个所述图像初始类别中分别筛选出参考咽喉灰度图像；根据每个咽喉灰度图像内每个所述病灶区域中所有像素点的所述表现参数，及区域内外的灰度差异，结合咽喉灰度图像与对应所述参考咽喉灰度图像之间的所述病理相似系数，获取每个咽喉灰度图像中每个所述病灶区域的增强因子；根据所述增强因子对对应咽喉灰度图像中所述病灶区域内像素点进行灰度增强；

利用预设分类方法对所有增强后的咽喉灰度图像分类，获取所有图像最终类别；

所述表现参数的获取方法包括：

在每个咽喉灰度图像中，根据每个像素点的灰度值相对所有像素点的灰度值的偏离情况，获取每个像素点的灰度系数；

以任一像素点为目标像素点，根据所述目标像素点与所有所述疑似病灶区域的最小欧式距离，获取所述目标像素点的位置系数；所述最小欧式距离与所述位置系数负相关；

根据所述灰度系数及所述位置系数获取对应像素点的表现参数，所述灰度系数及所述位置系数均与所述表现参数正相关。

2.根据权利要求1中所述的一种耳鼻喉病变图像智能分类方法，其特征在于，所述病灶区域的获取方法包括：将所述表现参数大于预设参数阈值的像素点作为病变像素点，根据所有所述病变像素点的聚集情况，获取每个咽喉灰度图像中的所有病灶区域。

3.根据权利要求1中所述的一种耳鼻喉病变图像智能分类方法，其特征在于，所述病理相似系数的获取方法包括：在每个咽喉灰度图像中，根据所有所述病灶区域内像素点的灰度集中特征，获取每个咽喉灰度图像的病理灰度参数；

根据每个咽喉灰度图像中所有所述病灶区域的边界规则情况及区域面积，获取每个咽喉灰度图像的病理形态参数；

根据每个咽喉灰度图像中所有所述病灶区域内像素点的所述表现参数的集中特征，获取每个咽喉灰度图像的病理表现参数；

根据不同咽喉灰度图像之间所述病理灰度参数的差异、所述病理形态参数的差异及所述病理表现参数的差异，获取不同咽喉灰度图像之间的病理相似系数；所述病理灰度参数的差异、所述病理形态参数的差异及所述病理表现参数的差异，均与所述病理相似系数负相关。

4.根据权利要求3中所述的一种耳鼻喉病变图像智能分类方法，其特征在于，所述病理形态参数的获取方法包括：根据每个所述病灶区域的区域边界上相邻像素点之间连线的斜率变化情况，获取每个所述病灶区域的轮廓表现参数；根据每个咽喉灰度图像中所有所述病灶区域的所述轮廓表现参数的集中特征，获取每个咽喉灰度图像的边界特征参数；

在每个咽喉灰度图像中，根据所有所述病灶区域的区域面积，获取每个咽喉灰度图像的病症严重程度；所述区域面积与所述病症严重程度正相关；

根据所述边界特征参数及所述病症严重程度，获取对应咽喉灰度图像的病理形态参数；所述边界特征参数及所述病症严重程度均与所述病理形态参数正相关。

5.根据权利要求1中所述的一种耳鼻喉病变图像智能分类方法，其特征在于，所述根据所述病理相似系数，将所有咽喉灰度图像分类的方法包括：将所述病理相似系数作为度量距离，基于距离聚类算法对所有咽喉灰度图像进行聚类，将聚类结果作为咽喉灰度图像的分类结果。

6.根据权利要求1中所述的一种耳鼻喉病变图像智能分类方法，其特征在于，所述参考咽喉灰度图像的获取方法包括：在每个所述图像初始类别中，获取每个咽喉灰度图像的灰度级数量，将所述灰度级数量最大的咽喉灰度图像作为所述图像初始类别中的参考咽喉灰度图像。

7.根据权利要求1中所述的一种耳鼻喉病变图像智能分类方法，其特征在于，所述增强因子的获取方法包括：将每个所述病灶区域内所有像素点的灰度均值作为第一灰度；将每个所述病灶区域向外膨胀预设圈数，将膨胀区域内所有像素点的灰度均值作为第二灰度；将所述第一灰度及所述第二灰度的差异，作为第一增强参数；

根据每个所述病灶区域内所有像素点的所述表现参数的集中特征，获取每个所述病灶区域的第二增强参数；

根据每个咽喉灰度图像中每个所述病灶区域的所述第一增强参数及所述第二增强参数，结合每个咽喉灰度图像与所属图像初始类别中所述参考咽喉灰度图像之间的所述病理相似系数，获取每个咽喉灰度图像中每个所述病灶区域的增强因子；所述第一增强参数及所述第二增强参数均与所述增强因子正相关，所述病理相似系数与所述增强因子负相关。

8.根据权利要求1中所述的一种耳鼻喉病变图像智能分类方法，其特征在于，所述根据所述增强因子对对应咽喉灰度图像中所述病灶区域内像素点进行灰度增强的方法包括：将归一化后的所述增强因子与常数1的和值作为灰度增强权重，利用灰度增强权重对每个咽喉灰度图像中每个所述病灶区域内的每个像素点的灰度值加权，将加权结果作为对应像素点的增强灰度值。

9.根据权利要求1中所述的一种耳鼻喉病变图像智能分类方法，其特征在于，所述疑似病灶区域的获取方法包括：对每个咽喉灰度图像进行阈值分割，获取所有前景区域；将像素点总数量大于预设阈值的所述前景区域作为疑似病灶区域。