1.一种实现图像翻转不变性的方法，其特征在于：包括以下步骤：S1：对图像中所有的特征描述符进行聚类并生成视觉词汇；

S2：根据这些视觉词汇，建立索引结构模型来保存特征描述符；

S3：利用包含最多特征描述符的视觉词汇分析主要关键点的分布；

S4：确定对象是否翻转，并进行匹配。

2.根据权利要求1所述的实现图像翻转不变性的方法，其特征在于：步骤S1中，所述特征描述符通过SIFT算法生成，包括以下步骤：A.检测尺度空间极值：

使用高斯差分DoG来检测关键点，建立一个高斯金字塔，以确保匹配两幅图像时的比例不变性，并从细节到轮廓获取关键点；

B.过滤出正确的关键点：

利用尺度空间函数的泰勒函数来删除部分错误的关键点，并利用Hessian矩阵来过滤掉部分边缘点，尺度空间函数和Hessian矩阵的泰勒二阶展开式写为：其中x表示实际极值点，x'表示实际极值点和检测到的关键点之间的增量，DT表示D(x)方程的转置，表示DT对x的求导，σ表示高斯模糊系数；

C.方向分配：

采用以关键点位置为中心的高斯模糊函数来消除长距离像素的影响，将关键点周围的区域划分为16个子块，在不同的σ下，每个区域中的像素数不同，每个块在八个方向上有不同的统计数据，通过三线性插值计算所述统计数据，得到128个维度的数据，每个维度都是一个十进制数。

D.生成特征描述符。

3.根据权利要求2所述的实现图像翻转不变性的方法，其特征在于：步骤S1中，通过k-Means生成视觉词汇，用于代表所有特征描述符，具体包括：将所有特征描述符划分为k个聚类点，最小损失函数为：其中i表示第i个聚类点，x表示1张图片的1个特征描述符，Ci表示属于第i个视觉词汇的特征描述符，μi表示第i个视觉词汇；

通过迭代来最小化E的值，表示特征描述符在一个簇中具有高相似性，在不同的簇中具有高差异性，可视单词通过下式计算：

4.根据权利要求1所述的实现图像翻转不变性的方法，其特征在于：步骤S2中，所述建立索引结构具体包括以下步骤：在匹配两幅图像之前，定义其中一幅图像为原始图像，另一幅图像为匹配图像；

利用原始图像建立索引结构模型，即定义由这些特征描述符所生成的视觉词汇作为参考，找出两个图像之间相同或相反的分布；

对于匹配图像，特征描述符遵循所述参考并合并到视觉词汇中。

5.根据权利要求1所述的实现图像翻转不变性的方法，其特征在于：步骤S3具体包括：根据关键点的双边数量对视觉词汇的序列进行排序，选择包含两个图像之间的关键点数量最多的视觉词汇。

6.根据权利要求1所述的实现图像翻转不变性的方法，其特征在于：步骤S4具体包括：确定两个图像之间的分布，关注关键点在图像中的主要对象上的分布；

通过部分关键点得到中心；

在对两幅图像进行匹配时，采用kNN算法加快匹配速度，kNN算法原理如下：m0.distance<α*m1.distance使用欧氏距离比较每个特征描述和匹配，公式如下：当匹配对的欧氏距离越小，表示两者为同一个关键点的概率越大，从而得到匹配结果。

7.根据权利要求6所述的实现图像翻转不变性的方法，其特征在于：所述通过部分关键点得到中心，具体包括：使用10个关键点，其中5个是最左边的关键点，5个最右边的关键点，如果左侧的关键点数量大于相对于中心的右侧，在图像标签中设置1，反之为0；

根据两幅图像之间的两个标签，使用异或操作计算标签的结果，如果结果为0，则表示两个图像中的对象具有相同的方向，如果结果为1，则再次翻转匹配图像，以确保匹配对的数量。