1.一种视觉词袋金字塔的多特征图像分类方法，其特征在于，所述方法包括：步骤S1：获取待分类图像；

步骤S2：确定视觉单词分布直方图特征；

步骤S3：计算局部位置特征与全局轮廓特征；

步骤S4：确定图像边缘方向特征，包括：步骤S41：基于金字塔化确定图像边缘方向特征，具体包括：步骤S411：根据Sobel算子进行横向边缘检测与纵向边缘检测，获得图像的边缘分布特征；

步骤S412：基于所述边缘分布特征进行二维离散傅里叶变换；

步骤S413：根据傅里叶变换后的边缘分布特征确定图像在各方向上的边缘特征；

步骤S414：以图像中心为原点，根据各所述方向上的边缘特征，将图像上半部分的边缘特征计入该方位角，将图像下半部分边缘特征分配到该角度减去180°的方位角，生成方位角边缘特征；

步骤S415：设置区间，并将所述方位角边缘特征分配进对应区间，形成区间边缘方向特征；

步骤S416：取所述区间边缘方向特征中最大值以及最大值对应区间；

步骤S417：将所述区间边缘方向特征、所述最大值以及最大值对应的区间串联成初始图像边缘方向特征；

步骤S418：把所述初始图像边缘方向特征进行两层金字塔化，获得不同尺度下的图像边缘方向特征；

或步骤S42：基于感兴趣区域确定图像边缘方向特征，具体包括：步骤S421：将傅里叶变换后的边缘分布特征作为像素点所对应pfa值；

步骤S422：将第i列右临h/2‑1列各个像素点对应pfa值之和并加到第i列；h为总列数；

步骤S423：选取步骤S422中最大值对应的列；该列即所有相邻h/2列中pfa值之和最大的半区域的首列；

步骤S424：将步骤S423中最大值对应的列与右临h/2‑1列作为图像感兴趣区域；

步骤S425：在所述图像感兴趣区域上提取图像边缘方向特征；

步骤S5：将所述视觉单词分布直方图特征、所述局部位置特征、所述全局轮廓特征与所述图像边缘方向特征相结合，生成最终图像特征；

步骤S6：将所述待分类图像输入HIK交叉核函数的线性SVM分类器，根据所述最终图像特征进行分类。

2.根据权利要求1所述的视觉词袋金字塔的多特征图像分类方法，其特征在于，所述确定视觉单词分布直方图特征，包括：步骤S21：采用局部特征检测算法提取多个局部特征描述符；

步骤S22：对多个所述局部特征描述符进行K‑means聚类生成视觉词典；

步骤S23：通过编码与池化方法确定视觉单词分布直方图特征。

3.根据权利要求2所述的视觉词袋金字塔的多特征图像分类方法，其特征在于，所述计算局部位置特征与全局轮廓特征，包括：步骤S31：确定所述局部特征描述符相对于所述视觉单词的位置分布，提取出局部位置特征；

步骤S32：采用非下采样轮廓波变换算法和线性判别分析生成图像的全局轮廓特征。

4.一种视觉词袋金字塔的多特征图像分类系统，其特征在于，所述系统包括：获取模块，用于获取待分类图像；

视觉单词分布直方图特征确定模块，用于确定视觉单词分布直方图特征；

计算模块，用于计算局部位置特征与全局轮廓特征；

图像边缘方向特征确定模块，用于确定图像边缘方向特征，包括：第一图像边缘方向特征确定单元，用于基于金字塔化确定图像边缘方向特征；

或第二图像边缘方向特征确定单元，用于基于感兴趣区域确定图像边缘方向特征；

第一图像边缘方向特征确定单元，包括：检测子单元，用于根据Sobel算子进行横向边缘检测与纵向边缘检测，获得图像的边缘分布特征；

傅里叶变换子单元，用于基于所述边缘分布特征进行二维离散傅里叶变换；

边缘特征确定子单元，用于根据傅里叶变换后的边缘分布特征确定图像在各方向上的边缘特征；

边缘方向特征确定子单元，用于以图像中心为原点，根据各所述方向上的边缘特征，将图像上半部分的边缘特征计入该方位角，将图像下半部分边缘特征分配到该角度减去180°的方位角，生成方位角边缘特征；

区间边缘方向特征确定子单元，用于设置区间，并将所述方位角边缘特征分配进对应区间，形成区间边缘方向特征；

第一选取子单元，用于取所述区间边缘方向特征中最大值以及最大值对应区间；

串联子单元，用于将所述区间边缘方向特征、所述最大值以及最大值对应的区间串联成初始图像边缘方向特征；

金字塔化处理子单元，用于把所述初始图像边缘方向特征进行两层金字塔化，获得不同尺度下的图像边缘方向特征；

第二图像边缘方向特征确定单元，包括：第一赋值子单元，用于将傅里叶变换后的边缘分布特征作为像素点所对应pfa值；

合并子单元，用于将第i列右临h/2‑1列各个像素点对应pfa值之和并加到第i列；h为总列数；

第二选取子单元，用于选取合并子单元中最大值对应的列；该列即所有相邻h/2列中pfa值之和最大的半区域的首列；

第二赋值子单元，用于将选取子单元中最大值对应的列与右临h/2‑1列作为图像感兴趣区域；

提取子单元，用于在所述图像感兴趣区域上提取图像边缘方向特征；

最终图像特征确定模块，用于将所述视觉单词分布直方图特征、所述局部位置特征、所述全局轮廓特征与所述图像边缘方向特征相结合，生成最终图像特征；

分类模块，用于将所述待分类图像输入HIK交叉核函数的线性SVM分类器，根据所述最终图像特征进行分类。

5.根据权利要求4所述的视觉词袋金字塔的多特征图像分类系统，其特征在于，所述视觉单词分布直方图特征确定模块，包括：提取单元，用于采用局部特征检测算法提取多个局部特征描述符；

聚类单元，用于对多个所述局部特征描述符进行K‑means聚类生成视觉词典；

编码与池化单元，用于通过编码与池化方法确定视觉单词分布直方图特征。

6.根据权利要求5所述的视觉词袋金字塔的多特征图像分类系统，其特征在于，所述计算模块，包括：

局部位置特征确定单元，用于确定所述局部特征描述符相对于所述视觉单词的位置分布，提取出局部位置特征；

全局轮廓特征确定单元，用于采用非下采样轮廓波变换算法和线性判别分析生成图像的全局轮廓特征。