随着芯片级集成电路的计算性能不断增强,计算资源体系化利用架构不断完善,以往在软件端实现需要耗费大量资源和时间的算法,其在硬件平台上的实现越来越具有可行性。这其中包括图像匹配领域的相关算法。其在卫星遥感、医学影像、环境监测、图像拼接和机器人定位与导航等场景具有广泛应用,一直是计算机视觉领域的研究热点。常见的图像匹配算法有基于灰度和基于特征的匹配算法。基于特征的匹配算法因为其应用场景的多元而更为常用。这其中就包括尺度不变傅里叶变换(Scale-Invariant Fourier Transform,SIFT)算法。本文的图像匹配优化系统中,图像经过其处理后得到特征点描述子。然后经过欧氏距离匹配得到特征点匹配对,这是图像的初步匹配结果。然而,由于数值计算的固有特性,一些位于不同位置,不在相应匹配区域的特征点也可能生成结构将近的特征点描述子,在数值匹配中,会形成相应的匹配结果。但实际上相应的像素点并不是正确匹配对。此时,就需要对数据集建立相应的模型,对其映射关系进行表征,筛选得到正确匹配对,以优化匹配结果。因此,RANSAC算法在本系统中用于图像匹配效果的优化完善。其在包含误匹配点的匹配数据中,计算数据的映射关系的数学模型,并进行内外点筛选,得到正确的匹配结果。从而有利于在目标的定位、导航、追踪等应用场景中的运用。并且,筛选内外点的过程中也将得到表征两幅图像的匹配在看作空间投影变换时的单应性矩阵。通过此矩阵对原图像的变换,可以在匹配图中确定相应的匹配区域。从而进一步增强系统的适用性。在实际应用中,为扩展应用场景,嵌入式系统越来越普遍。因此,将图像匹配优化的系统从传统的软件端转换到如基于FPGA的SoPC平台上,就具有越来越重要的意义。RANSAC算法在传统的软件平台上运行时,不可避免地需要一些内部函数库支持,因此将其转换到硬件平台上运行,需要对算法的执行细节深入了解。并且,为提高系统的实时性,算法在基于FPGA的SoPC平台上实现时,需进行电路结构的特别设计,以充分利用硬件平台的并行流水线计算特性,实现算法的高速执行,从而提升系统性能。本文基于SIFT-RANSAC算法的图像匹配优化系统的SoPC设计研究,基于Xilinx Zynq-7000系列的XCZ7020平台,将RANSAC算法通过软硬件协同设计,并结合硬件逻辑的设计特点,将其在SoPC平台上实现,与SIFT算法图像匹配算法和欧氏距离匹配算法进行整合,从而极大提升基于此平台的图像匹配优化系统的完整性。