1.一种图像匹配方法，其特征在于，包括：获取待匹配图像G1和G2中的各个低纹理密度子图像，其中各个低纹理密度子图像为纹理密度低于其所属G1或G2中平均纹理密度n倍的区域，其中n≥0；获得各个低纹理密度子图像的特征描述符；分别获得G1和G2中两两相邻低纹理密度子图像共有的边及边的属性，其中获取G1和G2中两两相邻低纹理密度子图像共有的像素即为G1和G2中两两相邻低纹理密度子图像的边，同时边的属性包括：边对应两个相邻低纹理密度子图像中心组成线段Q1Q2的长度、边对应两个相邻低纹理密度子图像的码链、所述码链是否封闭和所述码链的长度与Q1Q2的长度的比值；

将G1中的各个低纹理密度子图像抽象成顶点，各个低纹理密度子图像间的边抽象成边，顶点和边构成G1的无向图；将G2中的各个低纹理密度子图像抽象成顶点，各个低纹理密度子图像间的边抽象成边，顶点和边构成G2的无向图；

基于G1的无向图和G2的无向图构造G1和G2的相似性矩阵，其中顶点间的相似度构成相似性矩阵中的点对，边对间的相似度构成相似性矩阵中的点对间的边；

在G1和G2的相似性矩阵中搜寻相似性最大的路径，按相似性最大的路径确定G1和G2的匹配关系。

2.根据权利要求1所述的方法，其特征在于，所述获取待匹配图像G1和G2中的各个低纹理密度子图像，之后还包括：对各个低纹理密度子图像进行归一化处理；其中，所述归一化处理包括图像方向归一化处理、图像尺寸归一化处理和图像中梯度最大值归一化处理。

3.根据权利要求2所述的方法，其特征在于，所述获得各个低纹理密度子图像的特征描述符，包括：将归一化后的各低纹理密度子图像等分成m*m个孙子图像，其中m＞1；获取各低纹理密度子图像的4m-4个孙子图像，将4m-4个孙子图像中每个孙子图像中每个像素的梯度大小按方向累加入u个主方向，u＞0；获得各低纹理密度子图像中4m-4个孙子图像的梯度直方图；按逆时针或顺时针方向，分别将各低纹理密度子图像中4m-4个孙子图像的梯度直方图进行拼接，获得各个低纹理密度子图像的特征描述符。

4.根据权利要求1所述的方法，其特征在于，顶点间的相似度构成相似性矩阵中的点对，G1中的i和G2中的i’相似性为：Sv(i,i’)＝|Ri-Ri”|Ri是G1中的i区域的属性，Ri’是G2中的i’区域的属性，Sv(i,i’)是两个区域间的相似性。

5.根据权利要求1所述的方法，其特征在于，边对间的相似度构成相似性矩阵中的点对间的边，其中边对间的相似度就是码链中连续相同部分长度所占百分比：Se(eij 1,ei’j’ 2)＝d(eij 1,ei’j’ 2)/max(lij 1,li’j’ 2)Se(eij 1,ei’j’ 2)是两个边间的相似性，eij 1是G1中的i和j两区域间边的码链，ei’j’ 2是G2中的i’和j’两区域间边的码链，d(eij 1,ei’j’ 2)是两个码链相同的位数，max(lij 1,li’j’ 2)是两个码链的最大长度。

6.根据权利要求1所述的方法，其特征在于，在G1和G2的相似性矩阵中搜寻相似性最大的路径，按相似性最大的路径确定G1和G2的匹配关系，进一步包括：基于动态规划算法，在G1和G2的相似性矩阵中搜寻相似性最大的路径，按相似性最大的路径确定G1和G2的匹配关系。

7.一种图像匹配的设备，其特征在于，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至6任一所述的方法。