1.一种基于全局Gabor滤波和局部LBP特征喉癌细胞图像分类方法，其特征在于，包括以下步骤：S1、获取喉癌细胞图像数据集，进行数据预处理；

S2、提取图像全局特征信息；

S3、提取图像局部特征信息；

S4、图像分类器训练；

S5、测试图像标签预测，得到测试结果；

所述步骤S2包括以下步骤：

S2.1、设置40个Gabor滤波核，包括5种尺度Gabor滤波核和8种角度Gabor滤波核；

S2.2、循环遍历步骤S2.1中设置的40个Gabor滤波核，将每个Gabor滤波核与原始图像进行滤波运算得到40个滤波后图像；

S2.3、将滤波后Gabor图进行矩阵加得到一个50×50像素数位大小的Gabor全局特征矩阵；

所述步骤S2.1中，5种尺度分别为16像素、32像素、64像素、128像素、256像素，8个角度方向分别为0度、45度、90度、135度、180度、225度、270度、315度；

所述步骤S3包括以下步骤：

S3.1、将检测窗口定为3×3像素数位大小的小区域，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为1，否则为0，得到该窗口中心像素点的LBP模式值；

S3.2、计算每个小区域的直方图，得到每个LBP模式值出现的频率；

S3.3、对每个小区域的直方图进行归一化处理；

S3.4、将所有小区域的直方图连接起来，得到整个图像的LBP纹理特征。

2.根据权利要求1所述的基于全局Gabor滤波和局部LBP特征喉癌细胞图像分类方法，其特征在于，所述步骤S1包括以下步骤：S1.1、随机打乱数据集合中元素顺序；

S1.2、将全部数据集的一部分元素抽取出来作为训练集，另一部分数据元素作为测试集；

S1.3、将导入的喉癌细胞图像统一拉伸至50×50像素数位大小尺寸并归一化图像像素。

3.根据权利要求2所述的基于全局Gabor滤波和局部LBP特征喉癌细胞图像分类方法，其特征在于，所述步骤S1.2中，全部数据集的80％元素抽取出来作为训练集，剩余20％数据元素作为测试集。

4.根据权利要求1所述的基于全局Gabor滤波和局部LBP特征喉癌细胞图像分类方法，其特征在于，所述步骤S4包括以下步骤：S4.1、建立SVM模型，设置SVM的两个超参数C和γ，其中，C的取值为0.1、1和10，γ的取值为0.1,0.2,0.3；

S4.2、利用步骤S4.1中超参数的组合进行网格搜索，选择一个拟合最好的超平面系数；

S4.3、将步骤S1中的训练集平均分成五份，轮流将五份中的一份作为验证集来测试模型准确率，然后将五次验证结果取平均值，作为SVM分类模型的验证集结果；

S4.4、保存验证集最佳的SVM超参数模型。