1.一种印刷电路板检测中的图像特征点快速匹配算法，其特征在于包括如下步骤：步骤1)使用FAST算法快速提取大量特征点；

步骤2)通过SURF算法进行特征点的矢量描述；

步骤3)通过K均值聚类算法减少特征点的数量获得最佳匹配点。

2.根据权利要求1所述的印刷电路板检测中的图像特征点快速匹配算法，其特征在于所述步骤1)在特征点提取与步骤2)的特征点描述过程中使用64维向量进行SURF描述子的构造，SURF描述子的构造过程为：通过计算特征点的设定领域内的水平haar小波特征和垂直haar小波特征来确定来形成64维特征向量。

3.根据权利要求2所述的印刷电路板检测中的图像特征点快速匹配算法，其特征在于所述步骤1)包括如下步骤：步骤1-1)从图片中选取一个像素P，将该像素P的亮度值设置为Ip，并且选择一个合适的阈值t；

步骤1-2)以该像素P为中心选取一个离散的Bresenham圆，在该圆边界上有16个像素，若在这个16个像素的圆上有n个连续的像素点的像素值比Ip+t大，或者比Ip-t小，则判定满足条件的像素点为特征点；

步骤1-3)计算每个特征点对应的响应值V，V设定为像素点P以及相邻的16个像素点的绝对偏差的和，并比较相邻特征点的V值，将V值较低的对应的特征点删除。

4.根据权利要求3所述的印刷电路板检测中的图像特征点快速匹配算法，其特征在于所述步骤2)中通过SURF算法进行矢量描述具体包括：步骤2-1)将特征点作为中心点，并在半径为6s的邻域内聚合Haar小波响应，其中s表示该中心点所在的尺度，根据所述响应值分配加权系数，平衡因使用盒式滤波器近似代替高斯滤波器所带来的误差；

步骤2-2)在该特征点周围，统计60度扇形内所有点的水平Haar小波特征和垂直Haar小波特征总和；

步骤2-3)将60度扇形区域以一定间隔进行旋转，将统计的小波特征总和最大值的扇形方向作为该特征点的主方向；

步骤2-4)在特征点周围取一个20s的正方形框，将其拆分为16个子区域，并在每个子区域中统计25个像素的水平方向和垂直方向Haar的小波特征V4，所述小波特征V4根据式(1)计算；

V4＝(∑dx,∑|dx|,∑dy,∑|dy|)    (1)其中，∑dx表示水平方向值之和，∑|dx|表示水平方向绝对值之和，∑dy表示垂直方向值之和，∑|dy|表示垂直方向绝对值之和。

5.根据权利要求2所述的印刷电路板检测中的图像特征点快速匹配算法，其特征在于所述步骤3)中通过K均值聚类算法减少特征点的数量，并筛选出最佳的匹配点具体包括如下步骤：步骤3-1)从即将进行匹配的两幅图中各自特征点集合S1和S2中随机选择K个特征点作为初始聚类中心，所述K个特征点分别为A1，A2，A3，…，Ak；

步骤3-2)根据公式(2)获得从每个特征点到聚类中心的距离，分成不同的集群；

其中,{q1,q2,...,qm}是一个训练集，其中每个输入qi∈Rn,1≤j≤k；

步骤3-3)根据公式(3)和公式(4)，重新计算每个聚类的聚类中心，并且重复步骤2-b)和步骤2-c)，直到距离中心点的聚类元素不大于λ；

步骤3-4)根据获得的聚类中心，根据式(5)选择一个方形区域点Ai(x,y)作为中心：Ai(x±Δx,y±Δy)∈Z(n)    (5)

步骤3-5)遍历所有特征点，将所有特征点进行了聚类划分。

6.根据权利要求5所述的印刷电路板检测中的图像特征点快速匹配算法，其特征在于所述K值设定为4。