1.一种基于全局和局部特征描述的多模图像匹配方法，其特征在于，包括以下步骤：步骤1、分别提取参考图像和待匹配图像中的特征点，并确定特征点的主方向；

步骤2、对于两幅图像中的每一个特征点，分别构造其PIIFD描述符和全局上下文特征描述符；

步骤3、对于两幅图像中的每一对特征点，计算两种特征描述符的相似度，并进行加权融合，通过对比各对特征点的相似度进行初步匹配；

步骤4、对于初步匹配结果，提取特征点的局部上下文特征向量进行比对，消除其中的异常匹配点对，得到最终匹配结果。

2.根据权利要求1所述的一种基于全局和局部特征描述的多模图像匹配方法，其特征在于，所述的步骤1中，采用Harris检测算法进行图像特征点检测，采用平均平方梯度法进行特征点主方向计算。

3.根据权利要求1或2所述的一种基于全局和局部特征描述的多模图像匹配方法，其特征在于，所述的步骤2中，计算PIIFD描述符和全局上下文特征描述符的具体过程如下：步骤2‑1、对于图像中任一特征点ci，选取该特征点周围41*41的矩形区域，并且以特征点主方向作为矩形区域方向进行PIIFD描述符的构造；

步骤2‑2、计算全局上下文特征描述符：(1)对于特征点ci，选取图像中与其距离最近的m个特征点，记为{c1，c2，…，cm}，其中，m＝γM，M为图像中检测到的所有特征点的个数，参数γ范围为0.5～0.8；对于该特征点集合中的任一特征点cj，其相对于特征点ci的相对位置可表示为wij＝(αij，βij)，其中αij为向量与特征点ci主方向的夹角，βij为特征点cj主方向和特征点ci主方向的夹角；

(2)对于特征点集合{c1，c2，…，cm}中的每一个特征点，计算描述向量wij(j＝1，2，…，m)，则特征点ci与其邻域内其它特征点的位置关系可表示为Wi＝{wi1，wi2，…，wim}；

(3)将α和β的取值范围(0，2π)均匀划分为8个角度区间，计算Wi的直方图描述，如公式(1)，

其中， 为直方图中第k个元素值，bin(k)为第k个角度区间，K为直方图维数；直方图即为特征点ci的全局上下文特征描述符。

4.根据权利要求3所述的一种基于全局和局部特征描述的多模图像匹配方法，其特征在于，所述的参数γ值为0.7。

5.根据权利要求4所述的一种基于全局和局部特征描述的多模图像匹配方法，其特征在于，所述的步骤3中，特征点初步匹配的具体过程为：步骤3‑1、对于两幅图像中的一对特征点，计算特征描述符的相似度，如公式(2)，其中，d1和d2为特征描述符，将一对特征点的PIIFD描述符代入上式可得其局部相似度，记为siml，将全局上下文特征描述符代入上式可得全局相似度，记为simg；

步骤3‑2、将特征点对的局部相似度和全局相似度融合如公式(3)，其中，S为特征点对的相似度；

步骤3‑3、根据步骤3‑1和步骤3‑2计算出参考图像和待匹配图像中所有特征点对的相似度，并采用双向匹配法筛选出两幅图像中对应匹配的特征点对；设从参考图像和待匹配图像中提取的特征点集合分别为 和 M和N分别为两幅图像中检测到的特征点个数，只有当点 在参考图像中与点 的相似度最高，同时点 在待匹配图像中与点 的相似度也最高时，才将 和 选定为对应匹配的特征点对。

6.根据权利要求5所述的一种基于全局和局部特征描述的多模图像匹配方法，其特征在于，所述的步骤4中，消除异常匹配点对的具体过程为：步骤4‑1、记步骤3筛选出的初步匹配点对集合为 其中，n为匹配点对数，对于集合中的一对初步匹配的特征点pi和qi，在参考图像中提取出与特征点pi距离最近的10个特征点，记为 在待匹配图像中提取出与特征点qi距离最近的10个特征点，记为步骤4‑2、对于特征点pi的最近邻点集合 其中各个点与pi的欧式距离记为以特征点pi为极点，以其主方向为极轴方向建立极坐标，将极角坐标均匀划分为12个区间，则该特征点的局部上下文特征向量计算如公式(4)，其中， 为向量中第o个元素值，bin(o)为第0个极角区间，dmax为集合 中的最大值；同理可计算特征点qi的局部上下文特征向量，记为步骤4‑3、对于筛选出的每一对初步匹配的特征点pi和qi，计算其局部上下文特征向量之间的距离如公式(5)，

若距离值大于给定的阈值T，则将该初步匹配的特征点对视为异常匹配点对加以移除。

7.根据权利要求6所述的一种基于全局和局部特征描述的多模图像匹配方法，其特征在于，所述的参数T值为0.5。