1.一種圖像區(qū)域特征提取及特征匹配的方法，其特征在于，主要內(nèi)容包括：
(一)通道適配器分析組成線域
(二)區(qū)域創(chuàng)建，生長，分裂，合并，提取分裂合并點
(三)檢測封閉區(qū)域和區(qū)域適配器過濾區(qū)域
(四)區(qū)域的后合并
(五)檢測分裂合并點性質(zhì)
(六)提取特征集合
(七)進行特征匹配。
2.基于權(quán)利要求書1所述的通道適配器分析組成線域(一)，其特征在于，采用通道適配器對圖像逐行掃描，自定義像素點各通道過濾規(guī)則，將灰度圖轉(zhuǎn)換為二值圖像，分析出連續(xù)的有效點，滿足最小連接數(shù)，就組成線域，否則作為噪點丟棄，掃描過程使用橫向不連接數(shù)和縱向不連接數(shù)來調(diào)整圖像的連通性，用最小連接數(shù)確定噪點。
3.基于權(quán)利要求書2所述的通道適配器分析組成線域，其特征在于，其中概念的定義分別為：
a)有效點：通過通道適配函數(shù)的像素點是有效點
b)無效點：沒有通過通道適配函數(shù)的像素點
c)最小連接數(shù)：橫向掃描過程中，線域的最小長度，否則是噪點
d)橫向不連接數(shù)：橫向掃描過程中，允許的連續(xù)無效點數(shù)，否則視為線域連接中斷，用來控制線域的連通性
e)縱向不連接數(shù)：區(qū)域生長過程中，停止生長的掃描次數(shù)，用來控制區(qū)域的上下連通性
f)創(chuàng)建線域：記錄線域的左右位置和行位置，統(tǒng)計線域的重量，有效點數(shù)，長度，和總的灰度值，以便以后這些數(shù)據(jù)提供給區(qū)域，作為區(qū)域特征
g)重量計算公式：Q＝(∑x,∑y)；x,y是有效點在圖像中的坐標位置，圖像左頂(0,0)為基準。
4.基于權(quán)利要求書1所述的區(qū)域創(chuàng)建，生長，分裂，合并，提取分裂合并點(二)，其特征在于，線域組成區(qū)域，區(qū)域分裂與合并，并提取分裂合并特征點過程，主要步驟為：
1)線域歸屬標記
通道適配器掃描一行圖像，將獲取的線域按掃描順序排列成組，循環(huán)各線域，在未封閉區(qū)域中反向循環(huán)查找分析其范圍和線域范圍，有相交就標記線域?qū)傩詷擞洖閰^(qū)域的編號，否則線域無歸屬，一線多區(qū)，將標記最右的區(qū)為歸屬，一區(qū)多線，將標記該區(qū)為各線域歸屬；
2)區(qū)域創(chuàng)建，生長，分裂，提取分裂點
循環(huán)各線域，在未封閉區(qū)域中正向循環(huán)查找分析其范圍和線域范圍，有相交，就讓該區(qū)域生長，對于無相交的線域，新建生長區(qū)域和區(qū)域編號，區(qū)域?qū)傩缘扔诰€域?qū)傩?，區(qū)域生長范圍等于線域范圍和擴展范圍；
將多區(qū)多線分解為一線多區(qū)和一區(qū)多線的情況分析：對于一區(qū)多線的情況，先分裂，第一線域會先進入?yún)^(qū)域生長，其區(qū)域生長范圍修改為該線域的范圍，因此，后續(xù)的線域在與區(qū)域生長范圍分析時，會判斷為無相交的情況，變成新建生長區(qū)域，但是由于前期做了線域歸屬標記，該新建區(qū)域比完全新建區(qū)域的歸屬表多一個歸屬區(qū)標記，類似原區(qū)域分裂出一個新區(qū)域，分裂過程提取后續(xù)線域左位置為分裂點；
3)區(qū)域按生長范圍從左至右的排序
由于封閉區(qū)域的生長范圍清零，噪點區(qū)域的生長范圍為負數(shù)，因此會排序到前面，以便前面兩步可以循環(huán)未封閉區(qū)域，另外也方便合并區(qū)域時，順序是從左區(qū)合并右區(qū)，不會漏合并；
4)合并區(qū)域，提取合并點
循環(huán)各線域，在未封閉區(qū)域中正向循環(huán)查詢分析其范圍和線域范圍，記錄所有和線域相交區(qū)域個數(shù)，如果有超過兩個區(qū)域，從左至右進行兩兩區(qū)域合并操作，同時提取合并點的位置，行坐標取兩合并區(qū)域的左區(qū)域的生長右范圍-擴展范圍，縱坐標取當前掃描行-1，合并不能完全合并先分裂的新區(qū)，因此需要在掃描結(jié)束后作后合并。
5.基于權(quán)利要求書4所述的區(qū)域創(chuàng)建，生長，分裂，合并，提取分裂合并點(二)，其特征在于，其中概念的定義分別為：
a)區(qū)域生長范圍：使用上區(qū)下線的方式來分析連通關(guān)系，生長的區(qū)域在上，每次新掃描的線域在下，區(qū)域的生長范圍等于區(qū)域底部的左右范圍和擴展范圍之和(針對應(yīng)用場景不同，用該參數(shù)調(diào)控區(qū)域的連通性，擴展范圍值越大，連通性越好，否則分割性越好，擴展范圍默認等于橫向不連接數(shù))，其與線域的左右范圍相交，說明線域和區(qū)域是連通的，說明線域?qū)儆趨^(qū)域生長范圍
b)區(qū)域生長：當線域范圍落在區(qū)域范圍中，且上下距離不超過縱向不連接數(shù)，區(qū)域整合線域的范圍(頂左底右位置)，灰度，重量，有效點和連接點數(shù)，并修改區(qū)域的生長范圍為線域范圍和擴展范圍
c)區(qū)域封閉：區(qū)域在多次掃描過程沒有生長，次數(shù)超過縱向不連接數(shù)，區(qū)域就被封閉停止生長
d)一線多區(qū)：合并的情況，一個線域橫跨多個區(qū)域
e)一區(qū)多線：分裂的情況，一個區(qū)域包含多個線域
f)多線多區(qū)：分裂和合并混合的情況，分解為一線多區(qū)和一區(qū)多線的情況
g)區(qū)域合并：整合兩個區(qū)域的歸屬表，范圍，重量，灰度，有效點和無效點數(shù)，區(qū)域生長范圍
h)先分裂：針對一區(qū)多線的情況，區(qū)域生長使用第一個線域后，生長范圍就改成了該線域的范圍，導(dǎo)致了其他線域無法進入原區(qū)域生長范圍進行生長，因此分裂產(chǎn)生新區(qū)域，和其他新創(chuàng)建區(qū)域不同，它有區(qū)域?qū)傩?，以后可以根?jù)屬性進行區(qū)域整合
i)區(qū)域的產(chǎn)生，合并，分裂對屬性表操作：線域新建區(qū)域生成原始的序列標識屬性，區(qū)域分裂新建的區(qū)域不僅有序列標識，同時還有分裂前原區(qū)域?qū)傩詷俗R，區(qū)域合并時，兩個合并的區(qū)域?qū)傩员碚稀?/p>
6.基于權(quán)利要求書1所述的檢測封閉區(qū)域和區(qū)域適配器過濾區(qū)域(三)，其特征在于，為了減少下一輪掃描的區(qū)域查詢運算量，封閉和過濾一些區(qū)域，采用區(qū)域適配器自定義過濾區(qū)域的規(guī)則，用于過濾噪點區(qū)域和干擾區(qū)域，主要步驟如下：
1)循環(huán)未封閉區(qū)域，如果當前掃描行-區(qū)域底>縱向不連接數(shù)，說明該區(qū)域已經(jīng)停止生長，可以封閉，進入2，否則繼續(xù)1；
2)區(qū)域適配器檢測該封閉區(qū)，如果是噪點或干擾區(qū)域，而且歸屬表長度小于2，將該區(qū)域清零封閉，區(qū)域生長范圍置為-2，返回1，否則進入3；
3)對于有2個及以上歸屬的過濾區(qū)域，考慮最后合并區(qū)域的作用和其他封閉區(qū)一起處理，直接將該區(qū)域生長范圍置為-1，排序時排列到噪點區(qū)域和干擾區(qū)域前面。
7.基于權(quán)利要求書1所述的區(qū)域的后合并(四)，其特征在于，根據(jù)歸屬表，將沒有合并的分裂區(qū)域重新整合，包括根據(jù)預(yù)定的深度分辨率以及檢測獲取的人臉特定區(qū)域位置進行數(shù)據(jù)映射的模塊，針對一區(qū)多線產(chǎn)生的分裂區(qū)，在掃描過程中沒有被合并，在掃描結(jié)束后進行整合，與一線多區(qū)的合并區(qū)別，一個是在掃描過程中合并，根據(jù)范圍相交合并，并有合并特征點產(chǎn)生，一個是掃描結(jié)束后的合并，根據(jù)歸屬表屬性配對合并，沒有合并特征點的產(chǎn)生，主要步驟為：
1)圖像最后一行掃描分析完成后，對所有區(qū)域排序，噪點和干擾區(qū)域排列到前面，這里暫時將非噪點和非干擾區(qū)域定義為后合并區(qū)域；
2)在后合并區(qū)域中遍歷，兩兩區(qū)域的進行區(qū)域歸屬表查詢，如有歸屬屬性相同就進行區(qū)域合并操作；
3)后合并區(qū)域中會包含有未封閉區(qū)域，因圖像最后一行掃描不一定封閉了所有區(qū)域，因此封閉未關(guān)閉區(qū)域，使用區(qū)域適配器檢測清零噪點和干擾區(qū)域；
4)提取連通區(qū)域，計算重心，輸出到圖特征中，
重心計算公式：G＝Q/num；Q是區(qū)域重量，num是區(qū)域有效點數(shù)目。
8.基于權(quán)利要求書1所述的檢測分裂合并點性質(zhì)(五)，其特征在于，根據(jù)分裂合并點屬性計算檢測矩陣，統(tǒng)計無效點數(shù)，分析出毛刺和角點，其中概念的定義分別為：
a)檢測矩陣：以特征點為中心的矩陣，矩陣大小＝(角點檢測范圍的兩倍+1)×(角點檢測范圍的兩倍+1)，合并點取上半部分矩陣，分裂點取下半部分矩陣，如果矩陣范圍超過區(qū)域范圍，需要截取超出部分
b)毛刺點數(shù)：兩倍的角點檢測范圍
c)角點檢測：統(tǒng)計矩陣的無效點數(shù)大于毛刺點數(shù)，小于矩陣像素總數(shù)-毛刺點數(shù)就是角點，否則是毛刺。
9.基于權(quán)利要求書1所述的提取特征集合(六)，其特征在于，可以在區(qū)域生長合并時把線域添加到集合中，提取出圖像邊緣和脊特征，另外，還可以在各種條件下，用本方法多次提取的特征組合：
1)旋轉(zhuǎn)0至180度(圖像旋轉(zhuǎn)180度提取特征，特征不變化)，得到的分裂合并點序列是不同的，用本發(fā)明提取圖像不同旋轉(zhuǎn)角度的特征組成集合；
2)不同的通道適配規(guī)則，形成的區(qū)域和特征點序列都不同，用本發(fā)明在多種通道過濾規(guī)則下提取特征集合，例如，多級灰度范圍的通道適配規(guī)則下提取的特征集合；
3)不同的對比度亮度級別下，用本發(fā)明提取的特征集合；
4)多尺度圖像用本發(fā)明提取的特征集合，用于多尺度圖像分析，多尺度下參數(shù)需要相應(yīng)比例調(diào)整，多尺度可以通過通道適配器來實現(xiàn)，指針隔點移動取值；
5)區(qū)域中提取區(qū)域特征，例如先用膚色建模提取區(qū)域特征，在區(qū)域特征范圍再次眼球建模提取眼睛區(qū)域特征。
10基于權(quán)利要求書1所述的進行特征匹配(七)，其特征在于，主要步驟為：
1)目標區(qū)提取一個特征點，遍歷匹配區(qū)所有特征點一一匹配，計算特征描述子的差，保留差最小的匹配點，每個特征描述子包含k組16維數(shù)據(jù)，因此每次匹配需比較k*k次；
2)匹配區(qū)有重復(fù)就選擇差小的點；
3)重復(fù)1過程，直到最后一個目標區(qū)的特征點取完；
其特征匹配算法為：
Disj＝argmini∈nd(Fj-Fi')；j＝0,1,...m,i＝0,1,...n.
Pj＝i；
Disj是目標區(qū)第j個特征點的最小匹配差，d(Fj-Fi')是兩個匹配點的特征描述子差，
Fj是目標區(qū)第j個特征點描述子，F(xiàn)i'是匹配區(qū)各特征點描述子，
m是目標區(qū)特征點總數(shù)，n是匹配區(qū)的特征點總數(shù)，
Pj是目標區(qū)第j個特征點的最佳匹配特征點在匹配區(qū)的標記。