图像特征检测算法是图像匹配的核心,在众多图像特征检测算法中,SIFT(ScaleInvariant Feature Transform,尺度不变特征转换)算法得到的特征点具有较高的鲁棒性和精确性,同时有旋转和尺度变换不变性,对光照、噪声等影响有较强的稳定性。SIFT算法是串行运行结构,该算法的步骤繁多且计算复杂,在普通的串行处理器中总是需要耗费大量的时间和资源来处理算法,因此需要提高SIFT算法的计算速度。通过对该算法的结构和内容进行改进,修改算法中的参数和公式,并利用FPGA(Field Programmable Gate Array)的并行计算能力来对算法加速是目前重要的研究方向。论文研究了基于FPGA的图像匹配算法加速的设计和实现方法,主要研究内容如下:分析了SIFT算法的基本原理,并将算法划分为建立图像尺度空间、关键点检测和精确定位、关键点主方向确定以及关键点描述子的生成四个部分。改进了算法的部分内容,包括对SIFT的图像高斯尺度空间进行降维,解决了内存资源不足的问题;在高斯滤波过程中,将图像进行分离滤波,可使滤波速度加倍提升;针对关键点检测中不稳定特征点数量较多的问题,在极值检测中提高数据比较的条件,并提出了区域去除扎堆点的方法,过滤掉大量性能较差的极值点。为了提高描述子相似度的计算速度,FPGA设计中使用多个内存分批保存这些描述子,每次同时读取多个描述子进行相似度计算,可有效提高计算速度。另外,为验证上述改进方法设计了匹配系统架构。设计了验证匹配算法的硬件总体框架,在计算机上设计了上位机并与FPGA通过串口进行通信,实现了对算法进行实时控制和验证。改进后的SIFT算法在FPGA上进行加速运算的结果表明,通过对改进后的SIFT算法进行加速,图像的匹配速度显著提高,匹配的特征点数量也满足了实际需要。