1.一种图像特征提取与匹配方法，其特征在于，包括以下步骤：S1、输入二维图像，对所述二维图像进行边缘检测和角点检测，将所述角点检测得到的角点和所述边缘检测得到的边缘点进行组合，以确定所述二维图像中的图像显著区域；

S2、采用多尺度滑窗的方式分割图像，在图像区域内滑动采样，在每个窗口内提取图像梯度方向直方图特征，其中，图像显著区域滑窗的滑动步长小于非显著区域滑窗的滑动步长；

S3、全局尺度间特征窗口匹配：计算检索图像任意窗口图像与数据库图像的相似距离，如果相似距离在相似阈值范围内则标记这一对相似窗口，查找出最相似的窗口，得到一系列相似窗口的匹配结果；

S4、排除错误的匹配对，保留在尺度和空间位置上都具有一致性的匹配，统计正确匹配窗口数目，最后根据自适应性阈值分割出相似区域。

2.如权利要求1所述的图像特征提取与匹配方法，其特征在于，步骤S2具体包括以下步骤：S21、定义滑动窗口的多种尺度，设置滑动步长参数，每个滑动窗口以图像左上角为起点，按照滑动步长依次从左到右从上到下滑动，取得一系列局部窗口图像；

S22、对于每个局部窗口图像，计算水平和垂直方向的梯度；

S23、梯度方向角度取值0～360°，对梯度方向进行8方向量化；

S24、统计所有梯度点得到梯度方向直方图；

S25、对梯度方向直方图进行归一化；

S26、直方图特征编码。

3.如权利要求2所述的图像特征提取与匹配方法，其特征在于，步骤S2中滑窗的尺寸设置为长0.1～1、宽0.1～1的多种组合，图像显著区域滑窗的滑动步长设为0.05～0.2，非显著区域滑窗的滑动步长设为0.1～0.25，以整幅图片的尺寸为1。

4.如权利要求3所述的图像特征提取与匹配方法，其特征在于，步骤S22的计算方法为[Gh,Gv]＝gradient(F)，采用方向模板[-1,0,1],计算当前像素点的水平梯度和垂直梯度，方向角度θ＝arctan(Gv/Gh)：

5.如权利要求4所述的图像特征提取与匹配方法，其特征在于，步骤S23采用就近方向量化的原则，将实际的梯度方向量化至最近的量化方向上；或采用模糊量化的方法，将实际的梯度方向用投影至相邻两个方向的分量表示。

6.如权利要求5所述的图像特征提取与匹配方法，其特征在于，步骤S25采用基于面积的归一化方法：设特征窗口Ri的大小为wi×hi，梯度方向直方图 面积参数基于面积参数的归一化直方图为 和/或

基于目标像素点总数的归一化方法：

Ri梯度方向直方图 归一化直方图为

优选为两种方法的结合。

7.如权利要求2至6中任一项所述的图像特征提取与匹配方法，步骤S3中相似距离计算如下：设滑窗Ai特征向量经过编码后的二值特征串为fi，滑窗Bj特征向量经过编码后的二值特征串为gj，则Ai和Bi-j之间的相似性距离dij通过汉明距离进行计算： 其k中fi表示二进制串fi的第k位， 表示二进制串gj的第k位，表示异或操作，α的取值等于fi及gj长度的倒数。

8.如权利要求7所述的图像特征提取与匹配方法，其特征在于，步骤S3中相似阈值范围取值为0.4～0.6，且相似的窗口的长宽比必须在0.5～2之间。

9.如权利要求8所述的图像特征提取与匹配方法，其特征在于，步骤S4中采用基于尺度-空间一致性模型的RANSAC算法排除错误匹配，相似窗口数目的统计采用数量上直接叠加或加权叠加的方法。

10.如权利要求9所述的图像特征提取与匹配方法，其特征在于，步骤加权叠加的规则为：每对窗口的权重由相似性距离决定，相似距离越小，权重越大，相似距离越大，权重越小，保证权重平均大小在1左右。