1.一种应用于矿井机器视觉的图像特征快速匹配方法，其特征在于，包括：采用CBDNet网络对待分析图像进行去噪处理；所述待分析图像为截取的矿井视频帧图像；

对去噪获得的所述待分析图像进行超像素分割，获得多个图像块；

计算每一所述图像块的信息熵，获得信息熵大于第一预设阈值的图像块；

利用SURF算法提取信息熵大于第一预设阈值的所述图像块的特征点，从而获取所述待分析图像的特征点集；

采用Harr小波法对所述特征点集中的每一特征点进行描述，获得所述待分析图像的特征点描述符集；

基于所述待分析图像的特征点描述符集将所述待分析图像特征点集中的特征点与目标图像的特征点进行匹配，以确认矿井是否发生异常；所述目标图像为包含矿井异常信息的图像。

2.根据权利要求1所述的图像特征快速匹配方法，其特征在于，通过下述方式计算每一所述图像块的信息熵：计算所述图像块内所有像素点处于灰度强度等级i的概率：

其中，i表示像素点的灰度强度等级，i∈[1,B]，B表示灰度强度等级数量，hi表示所述图像块内处于灰度强度等级i的像素点的数量；

计算获得每一所述图像块的信息熵：

3.根据权利要求1所述的图像特征快速匹配方法，其特征在于，根据每一所述图像块的灰度直方图获得每一所述图像块内处于灰度强度等级i的像素点的数量。

4.根据权利要求2所述的图像特征快速匹配方法，其特征在于，提取所述图像块的特征点，包括：将所述图像块依次经过多个尺寸不同的滤波器处理获得离散空间内图像尺寸大小一致、尺度不同的多个图像层及每一图像层内图像每一像素点的滤波响应值；

按尺度大小将多个所述图像层平均分为多组图像堆，其中，第一组图像堆内第一图像层至最后一组图像堆内最后一图像层内的图像尺度依次增大，且相邻两组图像堆内含有相同尺度图像的图像层；

去除每一图像层内滤波响应值小于第二预设阈值的像素点获得初步特征点集；

以任一初步特征点为待操作特征点，自适应选取对应的抑制半径，在所述待操作特征点所在的图像层内及与其相邻的图像层内做非极大值抑制，去除滤波响应值小于待操作特征点滤波响应值的像素点，并遍历每一初步特征点，获得所述图像块的特征点。

5.根据权利要求4所述的图像特征快速匹配方法，其特征在于，用于获得第o组图像堆内第l图像层的图像的滤波器尺寸为：o+1

L＝3×[2 ×(l+1)+1]，

其中，o＝1、2、3....m，l＝1、2、3....t，获得的第o组图像堆内第l图像层的图像尺度为：

其中，L0为获得第1组图像堆内第一图像层图像的滤波器尺寸，S0为第1组图像堆内第一图像层图像的尺度。

6.根据权利要求4所述的图像特征快速匹配方法，其特征在于，在对特征点进行描述之前还包括：利用泰勒级数插值法获得所述待分析图像特征点集中每一特征点坐标的偏移量；

利用所述坐标偏移量对离散空间内的对应特征点坐标进行校正，获得连续空间内所述待分析图像所有特征点的坐标，基于所述坐标确定对应特征点的位置。

7.根据权利要求6所述的图像特征快速匹配方法，其特征在于，采用Harr小波法对所述特征点集中的每一特征点进行描述，获得所述待分析图像的特征点描述符集，包括：获取所述特征点集中每一特征点的主方向；

以任一所述特征点为中心，构建预设边长的矩形邻域，并将所述特征点的主方向作为所述矩形邻域的主方向，并将所述矩形邻域划分为多个预设大小的子区域；

计算每一所述子区域内每一像素点的水平Haar小波响应和垂直Haar小波响应并分别进行求和获得所述子区域内水平Haar小波响应之和∑dx及垂直Haar小波响应之和∑dy，以及所述子区域内水平Haar小波响应绝对值之和∑|dx|与垂直Haar小波响应绝对值之和∑|dy|，所述子区域的描述符为Vj＝[∑dx,∑dy,∑|dx|,∑|dy|]，从而获得所述特征点的描述符V＝[V1,V2,V3...Vs]，j∈[1,S]，S为所述矩形邻域内所述子区域的数量；

遍历每一所述特征点获得每一所述特征点的描述符。

8.根据权利要求7所述的图像特征快速匹配方法，其特征在于，通过下述方式获取所述特征点集中每一特征点的主方向：以所述特征点集中任一特征点为中心构建预设半径大小的圆邻域，根据所述任一特征点的位置坐标确定所述圆邻域内所包括的像素点；

计算获取圆邻域内每一像素点的水平Haar小波响应和垂直Haar小波响应，并根据所述像素点与所述特征点的距离为所述像素点的水平Haar小波响应和垂直Haar小波响应赋予高斯权重系数；

统计以所述特征点为中心的60°的扇形区域内的所有其他特征点赋予高斯权重系数后的水平Haar小波响应和垂直Haar小波响应总和获得对应的方向向量；

以预设角度单位旋转所述60°的扇形区域，遍历所述特征点的圆邻域获得对应的方向向量，将所有所述方向向量进行比较，以最长的方向向量对应的方向作为所述特征点的主方向；

遍历每一所述特征点，获得所有特征点的主方向。

9.根据权利要求7所述的图像特征快速匹配方法，其特征在于，基于所述待分析图像的特征点描述符集将所述待分析图像特征点集中的特征点与目标图像的特征点进行匹配，以确认矿井是否发生异常，包括：基于所述待分析图像的特征点集中任一特征点的描述符获取所述任一特征点与所述目标图像特征点集中每一特征点间的欧式距离，确定最邻近特征点及次邻近特征点与所述待分析图像的特征点集中所述任一特征点的欧式距离；

若最近邻特征点与次邻近特征点对应的欧式距离的比值小于预设值，则判定所述待分析图像中的所述任一特征点与所述目标图像的最邻近特征点相匹配，为特征点对；

遍历所述待分析图像特征点集中的所有特征点进行匹配；

若所述待分析图像特征点集中的特征点与所述目标图像特征点集中的特征点匹配率达到第三预设阈值，则判定矿井发生异常。

10.一种应用于矿井机器视觉的图像特征快速匹配系统，其特征在于，包括：去噪模块，采用CBDNet网络对待分析图像进行去噪处理；所述待分析图像为截取的矿井视频帧图像；

图像分割模块，用于对去噪获得的所述待分析图像进行超像素分割，获得多个图像块；

图像块筛选模块，用于计算每一所述图像块的信息熵，获得信息熵大于第一预设阈值的图像块；

特征点集获取模块，用于利用SURF算法提取信息熵大于第一预设阈值的所述图像块的特征点，从而获取所述待分析图像的特征点集；

特征点描述模块，用于采用Harr小波法对所述特征点集中的每一特征点进行描述，获得所述待分析图像的特征点描述符集；

判定模块，基于所述待分析图像的特征点描述符集将所述待分析图像特征点集中的特征点与目标图像的特征点进行匹配，以确认矿井是否发生异常；所述目标图像为包含矿井异常信息的图像。