1.一种基于多核哈希学习的大规模医学图像检索方法，包括以下步骤：

步骤一：对图像库中的所有图像进行二值化处理，得到预处理图像；

步骤二：利用融合的核函数求出所述预处理图像的多核矩阵，所述融合的核函数为其中n代表核函数的个数，α代表每个核函数所占的比重，x,y分别表示图像库中的任意两张医学图像，K代表融合后的多核矩阵；

步骤三，用学习到的哈希函数对多核矩阵进行统一的哈希编码，并将编码后的哈希码进行压缩存放到多核矩阵对应的哈希码库中，其中学习到的哈希函数为h(x)＝sign(K*W)，其中K代表融合后的多核矩阵，W表示权重矩阵，sign表示符号函数，h(x)表示最终生成的二进制哈希码，长度为d；

步骤四，对待检索图像进行步骤一、步骤二和步骤三的处理，生成哈希码并压缩存储；

步骤五，使用汉明距离度量方法计算步骤四的哈希码与哈希码库中存放的哈希码之间的距离并升序排序，将距离最小的m张图像返回给用户，m为大于等于1的整数。

2.根据权利要求1所述一种基于多核哈希学习的大规模医学图像检索方法，其特征在于：所述融合的核函数中包括线性核函数，多项式核函数，高斯核函数，拉普拉斯核函数，指数核函数，Sigmoid核函数，Cauchy核函数。

3.根据权利要求1所述一种基于多核哈希学习的大规模医学图像检索方法，其特征在于：所述权重矩阵由服从高斯分布的核矩阵中的t个点构成。

4.根据权利要求1所述一种基于多核哈希学习的大规模医学图像检索方法，其特征在于：在所述哈希编码过程中，利用符号函数将大于0的值赋为1，小于等于0的值赋为0，每一张图像就可以直接由0，1二进制串表示，并将这些编码后的二进制码每8位压缩为一个值，进行存储。

5.根据权利要求1所述一种基于多核哈希学习的大规模医学图像检索方法，其特征在于：所述汉明距离度量的公式如下：d(x,y)表示医学图像x与y的汉明距离，n代表每一张医学图像的维度，x，y分别表示图像库中的任意两张医学图像。

6.根据权利要求1到5任一项所述一种基于多核哈希学习的大规模医学图像检索方法，其特征在于：还包括用户根据返回的m张图像，对返回的每张图像赋予权重，重新优化排序，输出图像的步骤。

7.根据权利要求6所述一种基于多核哈希学习的大规模医学图像检索方法，其特征在于：所述用户根据返回的m张图像，对返回的每张图像赋予权重的过程中，对返回的每张图像赋予一定的权重，权重区间为[0,1]，其中相似的图像或者满足要求的图像给与的权重大，不相似或者不满足要求的图像给与的权重小。