1.一种水平油气水三相流流型辨识方法，其特征在于：所述水平油气水三相流流型辨识方法包括以下步骤：步骤一：通过油相、水相和气相流量控制阀设置水平油气水三相流不同工况，利用高速摄像机装置采集不同工况下水平油气水三相流流型图片，通过人工进行流型划分，建立水平油气水三相流的流型图片数据库LX；

上述步骤中，所述水平油气水三相流流型图片数据库LX中，第p张图LXp像素点分布表示如下：式中，m为图片LXp像素点行数总数；j为图片LXp像素点第j行；

n为图片LXp像素点列数总数；i为图片LXp像素点第i列；

aj,i为图片LXp第j行、第i列的像素点；

步骤二：依据高速摄像机采集的水平油气水三相流流型图片LXp，采用改进的聚合颜色特征、改进的局部纹理合成特征和改进的频域合成特征进行相应的特征构建；

所述改进的聚合颜色特征、改进的局部纹理合成特征、改进的频域特征构建方法如下：S1:对水平油气水三相流流型图片LXp的RGB颜色空间、HSV颜色空间通道建立直方图，并采用特征向量内积的方法进行特征融合，构建了改进的聚合颜色特征YX；

改进的聚合颜色特征YX表示为：YX＝{yx1,yx2,yx3,…yxevyx,…,yxevYmax}式中，evYmax为图片LXp的RGB和HSV通道维度归一化后的像素点灰度级按从小到大排序的最大灰度级；

yxevyx为改进的聚合颜色特征YX中灰度级为evyx的特征值；

yxevyx表示为：

式中，CevyxYRGB为图像LXp,RGB通道灰度级为evyx的向量组；

CevyxYHSV为图像LXp,HSV通道灰度级为evyx的向量组；

CevyxYRGB表示为：

式中，Revyx为图片LXp，R通道空间中灰度级为evyx的像素点数量；

Gevyx为图片LXp，G通道空间中灰度级为evyx的像素点数量；

Bevyx为图片LXp，B通道空间中灰度级为evyx的像素点数量；

yr

R 为图片LXp，R通道空间中编号为yr的像素点的灰度值；

yg

G 为图片LXp，G通道空间中编号为yg的像素点的灰度值；

yb

B 为图片LXp，B通道空间中编号为yb的像素点的灰度值；CevyxYHSV表示为：式中，Hevyx为图片LXp，H通道空间中灰度级为evyx的像素点数量；

Sevyx为图片LXp，S通道空间中灰度级为evyx的像素点数量；

Vevyx为图片LXp，V通道空间中灰度级为evyx的像素点数量；

yh

H 为图片LXp，H通道空间中编号为yh的像素点灰度值；

ys

S 为图片LXp，S通道空间中编号为ys的像素点灰度值；

yv

V 为图片LXp，V通道空间中编号为yv的像素点灰度值；

S2：提出一种局部角度特征和局部距离特征，并采用特征拼接的方法进行特征融合，构建改进的局部纹理合成特征；

改进的局部纹理合成特征构建方法如下：改进的局部纹理合成特征HX表示为：HX＝{hx1,hx2,hx3,…,hxevhx,…,hxevHmax}式中，evHmax为改进的局部纹理合成特征HX中特征值从小到大排序的最大特征值；

hxevhx为图片LXp中改进的局部纹理合成特征值为evhx的特征块数量；

水平油气水三相流流型图片LXp，经过灰度化处理后图片中特征块分布表示为：式中，N为图片LXp中特征块列数总数；I为图片LXp中特征块第I列；

M为图片LXp中特征块行数总数；J为图片LXp中特征块第J行；

AJ,I为图片LXp第J行、第I列的特征块；

hxevhx表示为：

式中，hc为图片LXp中特征块编号；

为图片LXp中第hc个特征块的改进的局部纹理合成特征值；

改进的局部纹理合成特征值 表示为：式中， 为图片LXp中第hc个特征块的局部角度特征值；

为图片LXp中第hc个特征块的局部距离特征值；

PA为图片LXp中第hc个特征块的局部角度特征描述点总数；

PB为图片LXp中第hc个特征块的局部距离特征描述点总数；

Pquan为 特征描述点总数；

局部角度特征值 表示为：

式中，pa为图片LXp中第hc个特征块的局部距离第pa个特征描述点；

Co为图片LXp中第hc个特征块中心像素点灰度值；

θ为以Co为原点的角度索引值；R为以Co为原点的距离索引值；

Cθ,R为以Co为原点、角度索引值为θ、距离索引值为R的像素点灰度值；

为图片LXp中第hc个特征块、角度索引值为θ的局部距离第pa个特征描述点特征值；

表示为：

式中，w(Gθ)为 的动态权重；g(Gθ,R)为 比例组值；

w(Gθ)和g(Gθ,R)分别表示为：表示为：

式中，pb为图片LXp中第hc个特征块的局部角度第pb个特征描述点；

HXT(Gpb,R)为以Co为原点、距离索引值为R的局部角度第pb个描述点特征值；

GR为以Co为原点、距离索引值为R的所有像素点灰度值的平均值；

Gpin为特征块中所有像素点灰度值的平均值；

S3:通过对Gabor处理后的幅值、相位信息，并结合改进的局部纹理合成特征，采用特征相加的方法进行融合，构建了改进的频域合成特征KX；

改进的频域合成特征KX表示为：KX＝{kx1,kx2,kx3,…,kxevkx,…,kxevKmax}式中，evKmax为改进的频域合成特征KX中按特征值从小到大排序的最大特征级别；

kxevkx为改进的频域合成特征KX中特征值级别为evkx的特征块数量；

kxevkx表示为：

式中，v为Gabor滤波器的尺度参数；u为Gabor滤波器的方向参数；

kc为图片LXp经尺度参数为v、方向参数为u的滤波器转换后的特征块编号； 为编号为kc的特征块的改进的频域特征值；

表示为：

式中， 为特征块kc的改进的局部纹理合成特征值；

PF(pfx,pfy)为特征块kc的频域幅值；

PFθ(pfx,pfy)为特征块kc的频域相位；

PF(pfx,pfy)、PFθ(pfx,pfy)表示为：式中，(pfx,pfy)特征块kc的中心坐标；

L(pfx,pfy)为特征块kc的中心坐标的灰度值；

步骤三：将改进的聚合颜色特征、改进的局部纹理合成特征和改进的频域合成特征进行维度归一化处理，采用改进的多特征融合方法，构建多层次融合特征MLFKF，将构建的多层次融合特征作为水平油气水三相流流型辨识的判据；

多层次融合特征MLFKF表示为：MLFKF＝{mlf1,mlf2,mlf3,…,mlfeml,…,mlfemmax}式中，emmax为层次融合特征MLFKF中最大特征值编号；

mlfeml为层次融合特征MLFKF中编号为eml的特征值；

mlfeml表示为：

式中，mlk为面Mian与三维张量SWZL形成截面上的点数；

MLK为面Mian与三维张量SWZL形成截面上的点数最大值；

g(mx,my,mz)为面Mian与三维张量SWZL形成截面上点的特征值；

三维张量SWZL表示为：

SWZL＝YX⊙HX⊙KX

面Mian表示为

Mian：mx+my+mz‑evml＝0步骤四：依据构建的多层次融合特征，建立水平油气水三相流流型特征数据库，采用GBDT进行水平油气水三相流流型训练，生成水平油气水三相流流型辨识器，通过生成的水平油气水三相流流型辨识器进行水平油气水三相流型辨识。