1.一种基于GPU医疗内窥镜图像的处理方法，其特征在于，包括以下步骤：采用绕中心旋转的内窥镜摄像头在不同角度下获取多帧图像，将不同曝光级别的多帧图像合成高动态范围图像，形成内窥镜摄像头采集的图像序列；

将采集到的图像序列加载到GPU内存中，对加载的图像序列去噪声及增强图像对比度，得到预处理的内窥镜图像；

对预处理的内窥镜图像进行特征点检测，并提取特征描述符，将匹配的特征点在GPU上估计仿射变换模型；

根据估计得到的仿射变换模型，执行图像重映射；并在GPU上进行图像插值和变换校正操作，纠正内窥镜图像的畸变，对校正后的图像进行边界处理；

处理后的内窥镜图像通过在GPU上加速执行卷积神经网络的前向传播，识别内窥镜图像的病理特征；

将提取的病理特征与疾病数据库进行实时比对，自动识别和标记内窥镜图像中的病变区域；

其中，将不同曝光级别的多帧图像合成高动态范围图像，包括以下步骤：使用绕中心旋转的内窥镜摄像头在预定的不同角度下拍摄不同曝光时间的多帧图像，并将同一位置拍摄采集的低动态范围图像在像素层面进行图像对齐；

将对齐后的图像序列进行曝光融合，根据每一帧图像的曝光时间计算权重，利用计算得到的权重，将不同曝光的图像的所有帧合并成一个HDR图像；

对得到的HDR图像进行色调映射处理，得到在标准显示设备上显示的高动态范围的内窥镜图像；

其中，对预处理的内窥镜图像进行特征点检测，并提取特征描述符，包括以下步骤：利用GPU对输入图像进行多尺度的高斯模糊，生成尺度空间，在不同的尺度上对图像进行重采样，构建高斯金字塔；

通过比较一个像素点与相邻尺度和空间邻域内的26个像素点，获得潜在的关键点，在GPU上并行处理每个像素点的极值比较；

利用Taylor展开式拟合精炼关键点定位，并筛选出对比度高且不在边缘上的稳定关键点；

通过并行计算关键点周边区域的梯度信息，构建反映本地图像特征的特征描述符，其中，特征描述符由关键点周围梯度方向的直方图组成，利用GPU的并行计算能力快速计算每个关键点的特征描述符；

使用最近邻搜索算法进行特征点匹配，通过计算描述符之间的欧式距离确定匹配点对，得到检测的特征点和提取的特征描述符；

其中，匹配特征点时，采用最近邻搜索算法进行特征点匹配，包括以下步骤：对两幅待匹配的图像分别提取特征点，并为每个特征点生成一个描述符；

将一幅图像的特征点描述符集合作为训练集，构建最近邻搜索结构；对于另一幅图像的每个特征点描述符，通过之前构建的最近邻搜索结构快速找到最相似的描述符，即为最近邻；

执行低比率测试，排除不匹配的最近邻点和次近邻点，根据最近邻搜索结果输出匹配对，每对包含两幅图像中的对应特征点；

其中，通过匹配的特征点在GPU上估计仿射变换模型,包括以下步骤：从最近邻搜索算法得到的匹配结果中选取特征点对,在GPU上并行计算匹配特征点对的仿射变换参数；

运用RANSAC识别和排除异常匹配点对,从匹配点对中识别出的内点集合定义一个鲁棒的仿射变换模型，并从原始匹配点对中排除不符合仿射变换模型的异常匹配点对。

2.根据权利要求1所述的基于GPU医疗内窥镜图像的处理方法，其特征在于，图像序列预处理中，通过执行GPU加速的滤波算法去除图像噪声，包括以下步骤：将采集到的图像序列从主机内存传输到GPU内存，在GPU上为图像的每个像素点分配并行处理线程；

利用双边滤波算法计算每个像素点邻域内的加权平均值；同步处理线程，并将处理后的图像数据传输回主机内存；

优化GPU内存访问和线程分配，根据图像特性调整双边滤波的参数，包括邻域大小和核函数的标准差，得到去除图像噪声的内窥镜图像。

3.根据权利要求2所述的基于GPU医疗内窥镜图像的处理方法，其特征在于，利用双边滤波算法计算每个像素点邻域内的加权平均值时，确定双边滤波的邻域大小，设置双边滤波的空间核函数σS和强度核函数σT的标准差，计算每个像素点邻域内每个像素的双边权重，将所有邻域像素的加权值相加，除以所有权重的总和以得到平均值。

4.根据权利要求3所述的基于GPU医疗内窥镜图像的处理方法，其特征在于，增强图像对比度时，应用直方图均衡化增强图像对比度，得到预处理后的内窥镜图像，包括以下步骤：将图像数据传输到GPU内存，根据在GPU上为图像的每个像素点分配并行处理线程，并行计算整个图像的直方图，每个线程计算对应像素值的出现次数，并更新全局直方图数据；

通过并行扫描算法计算直方图的累积分布函数，并对累积分布函数进行正规化以适配目标图像像素值范围；

再次在GPU上为每个像素点分配线程，读取每个线程对应像素的值，根据CDF映射函映射到新的像素值上增强图像对比度，将增强后的图像数据从GPU内存传输回主机。

5.一种基于GPU医疗内窥镜图像的处理系统，用于执行权利要求1-4任一项所述的基于GPU医疗内窥镜图像的处理方法，其特征在于，该系统包括：图像采集模块，用于采用绕中心旋转的内窥镜摄像头在不同角度下获取多帧图像，将不同曝光级别的多帧图像合成高动态范围图像，形成内窥镜摄像头采集的图像序列；

图像预处理模块，用于将采集到的图像序列加载到GPU内存中，通过执行GPU加速的滤波算法去除图像噪声，并应用直方图均衡化增强图像对比度，得到预处理后的内窥镜图像；

特征匹配模块，用于利用GPU优化版本的尺度不变特征变换算法对预处理后的图像进行特征点检测，并对所述特征点提取特征描述符，使用最近邻搜索算法进行特征点匹配，通过匹配的特征点在GPU上估计仿射变换模型，并利用鲁棒排除异常匹配；

图像变换校正模块，用于根据估计得到的仿射变换模型，执行图像重映射；在GPU上进行图像插值和变换校正操作，以纠正内窥镜图像的畸变，对校正后的图像进行边界处理，以去除因变换产生的不规则边界；

病理特征识别模块，用于在GPU上加速执行卷积神经网络的前向传播，对图像变换与校正后的内窥镜图像的病理特征进行识别，将提取的病理特征与疾病数据库进行实时比对，自动识别和标记内窥镜图像中的病变区域。

6.一种存储介质，其特征在于，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行权利要求1-4任一项所述的基于GPU医疗内窥镜图像的处理方法的步骤。