1.一种基于多特征融合的高精度室内图像定位方法，其特征在于：包括如下步骤：步骤1，对一张室内场景图像I进行预处理操作，首先进行缩放，得到缩放后的图像I1；

步骤2，对缩放后的所述图像I1进行Gamma校正，得到图像I2，对所述图像I2进行灰度处理，得到图像I3；

步骤3，对所述图像I3求梯度，得到水平与垂直方向上的梯度gx、gy与梯度幅值|gxy|，并根据所述水平与垂直方向上的梯度gx、gy，计算梯度方向α；

步骤4，构建梯度直方图，将图像划分为i个子区域和j个滑动窗口，首先遍历子区域得到投影矩阵p′i，再利用滑动窗口对所述投影矩阵p′i进行归一化处理，得到pj，再将所述pj进行级联得到图像全局特征向量F；

步骤5，对所述图像I2的每个像素点i进行遍历，构建局部HSV颜色空间向量ci，将所有的向量组合得到图像全局HSV颜色空间向量H；

步骤6，将所述图像I3划分为3×3的k个子区域，对每一个子区域的中心像素点比较所述中心像素点与周围像素点的大小后，得到一个二进制的数值，转换为十进制后得到特征值dk，将每一个所述特征值dk组合后得到特征向量L；

步骤7，将所述图像全局特征向量F、所述图像全局HSV颜色空间向量H和所述特征向量L分别进行标准化，得到QF、QH和QL；

步骤8，将进行标准化后的所述QF、QH和QL逐个元素相乘后进行两两融合，得到QFH、QFL以及QHL；

步骤9，对所述QFH、QFL以及QHL进行线性组合，得到最终融合特征向量M；

步骤10，将所述融合特征向量M输入到支持向量机中对数据库特征集进行预测与匹配，返回匹配图像所标记的坐标和方位角度。

2.根据权利要求1所述的一种基于多特征融合的高精度室内图像定位方法，其特征在于：所述步骤1缩放后的所述图像I1的尺寸大小为240×320cm2。

3.根据权利要求1所述的一种基于多特征融合的高精度室内图像定位方法，其特征在于：所述步骤2的所述Gamma校正采用平方根法，表达式为：其中I(x,y)为图像，KGamma为校正值；

对图像进行灰度处理的公式为：

Gray＝0.299R+0.587G+0.114B其中R、G、B分别代表一个像素点中的红色分量、绿色分量和蓝色分量。

4.根据权利要求1所述的一种基于多特征融合的高精度室内图像定位方法，其特征在于：所述步骤3中求所述水平与垂直方向上的梯度gx与gy的公式为：其中l(x,y)表示图像的像素值；

计算所述梯度幅值|gxy|与所述梯度方向α的公式为：

5.根据权利要求1所述的一种基于多特征融合的高精度室内图像定位方法，其特征在于：所述步骤4中的所述图像全局特征向量F＝{p1,p2,…,pj}。

6.根据权利要求1所述的一种基于多特征融合的高精度室内图像定位方法，其特征在于：所述步骤5中由所述图像I2向量转换HSV向量的公式为：颜色空间向量H＝{c1,c2,…,ci}，其中ci＝{hi,si,vi}；

其中，R、G、B分别代表一个像素点中的红色分量、绿色分量和蓝色分量。

7.根据权利要求1所述的一种基于多特征融合的高精度室内图像定位方法，其特征在于：所述步骤7中对特征向量进行标准化的公式为：Qf＝ωff

其中f∈{F,H,L}， 且σf和μf分别是Qf的均值和标准差。

8.根据权利要求1所述的一种基于多特征融合的高精度室内图像定位方法，其特征在于：所述步骤8中特征向量逐个元素相乘后进行两两融合的方式为：其中f1∈{F,H,L}，f2∈{F,H,L}且f1≠f2，⊙表示对单个特征值进行逐个地相乘。

9.根据权利要求1所述的一种基于多特征融合的高精度室内图像定位方法，其特征在于：所述步骤9中进行特征组合的方式为：其中 且f1≠f2， 和 分别表示 的均值和标准差。

10.根据权利要求1-9任一项所述的基于多特征融合的高精度室内图像定位方法应用于图像处理与室内定位。