SIFT算子由其对于旋转变换、尺度变换、仿射变换以及灰度变化具有良好的不变性得到了广泛应用。然而随着视频处理技术的飞速发展,对图像处理算法的实时性有了更高的要求,传统SIFT算子由于需要较大运算量往往难以达到实时性要求。SIFT包括特征点检测和向量生成两个部分,其中特征点检测部分包括高斯差分空间构造、极值点检测和异常点排除三个部分。在进行特征向量描述之前需计算图像梯度方向和幅值的计算。特征向量描述阶段主要包括主方向直方图统计、主方向拟合、特征向量直方图统计和特征向量归一化四个部分。为了满足算法的实时性,需要根据硬件的特点采用适当并行结构。本文深入分析SIFT算法原理,在实验室现有研究的基础上,进一步完善SIFT特征点检测部分结构,同时,完成了特征向量生成部分的RTL代码编写和功能仿真工作。主要工作包括:(1)提出并实现了高精度的梯度方向幅值计算结构;(2)完善了特征统计的扫描机制;(3)提出了一种多倍频复用的归一化结构;(4)提出了一种加速的特征匹配结构;(5)基于Modelsim和MATLAB搭建了完善的仿真测试平台。实验结果表明,在100Mhz工作频率下,对大小1024*1024的图像进行处理,本文采用的特征点检测结构可达到每个时钟周期一个像素的处理能力,特征向量生成模块平均每个特征点的处理时间为8.87us,能实现以每秒30帧的速度对平均特征点数量不多于3750的图像序列进行实时处理。