1.一种基于特征选择的局部差三进制序列图像特征描述方法，其特征在于，包括如下步骤：步骤一：图像采集设备采集图像信号并将所采集的图像信号上传给处理器；

步骤二：处理器调用分辨率差值调整模块将步骤1中所采集的图像信号分辨率调整为m×n，得到图像G；然后，处理器将调整后的图像G表示为m×n维的图像矩阵X；

步骤三：处理器对步骤2中得到的图像矩阵X进行多尺度分块，表示为：其中图像被分为了p×q块，p,q为自然数，分块图像序列Xi,j为每一个子块，每个子块的大小为 其中i＝1,2,…p，i为图形矩阵的行标号，j＝1,2,…q，j为图像矩阵的列标号；

步骤四：从步骤三中所得多尺度分块X中取a种连续分块模式，提取a种连续分块下的局部差三进制模式特征集合fm，局部差三进制模式特征集合fm获取具体过程为：步骤1)：对分块图像序列Xi,j的p×q个分块图像命名为Xk,其中k＝1,2,…,p×q；

步骤2)：在同一种分块模式下，任意抽取其中两个互不相同图像块作为一个图像对，分别设为Xk1和Xk2其中k1,k2＝1,2,…,p×q且k1≠k2，图像块Xk1和Xk2的局部三进制差模式LDT(k1,k2)描述为：LDT(k1,k2)＝[τ′(Iave(k1),Iave(k2),t),g(dx(k1),dx(k2)),g(dy(k1),dy(k2)),ψ′(dx(k1)),ψ′(dy(k1))]   (2)其中：Iave(k1)指分块图像Xk1的所有像素灰度值的平均值，τ′(Iave(k1),Iave(k2),t)的定义如下：其中abs()为求绝对值的函数，th为阈值；

其中dx()和dy()分别表示一个图像在x方向和y方向的梯度；

同理可得：

其中Xk1(s,t)和Xk2(s,t)分别表示Xk1和Xk2分块图像中s行t列的像素灰度值；

按照上述公式，求出两个图像块Xk1和Xk2的特征LDT(k1,k2)，其中k1,k2＝1,2,…,p×q且k1≠k2；

步骤3)：定义upper模式和lower模式，其中在upper模式中-1被设置为1；在lower模式中-1被设置为0；将由步骤2)中所得特征LDT(k1,k2)扩展为LDTupper(k1,k2)和LDTlower(k1,k2)两种模式，得到最终的局部差三进制模式LDTFinal(k1,k2)＝[LDTupper(k1,k2),LDTlower(k1,k2)]    (12)；

步骤4)：将a种分块模式分别带入到步骤3)公式(12)中得到多组序列；取多组序列的集合定义为fm，其中m＝1,2,…,b，其中b为序列总数；

步骤五：利用k均值空间下最小冗余的互信息特征选择方法对由步骤四中所得局部差三进制模式特征集合fm进行选择；得到图像最终的识别特征集合G；

步骤六：处理器将步骤五中提取的图像最终的识别特征进行处理。

2.如权利要求1所述的一种基于特征选择的局部差三进制序列图像特征描述方法，其特征在于：所述步骤五具体为：步骤1)：使用k均值聚类的方法对集合fm进行聚类，其中m＝1,2,…,b；找出聚类中心，按照每个特征到聚类中心的欧氏距离由近到远进行排序，排序后集合表示为f′m其中m＝1,

2,…b，然后取前M个特征，后面的特征直接舍弃，由此，特征集合就变成f′m，其中m＝1,2,…M；

步骤2)：按照互信息理论定义，定义排序后集合f′m中的特征f′u和f′v的互信息I(f′u；

f′v)为：I(f′u；f′v)＝H(f′u)-H(f′u|f′v)     (13)其中H(f′u)是特征f′u的熵，u,v＝1,2,…,M且u≠v定义为：其中P()代表一个变量的概率，log()代表以2为底的对数函数，在已知另一特征f′v后，特征f′u的条件熵H(f′u|f′v)定义为：其中P(f′u|f′v)是条件概率函数；

步骤3)：设特征选择的集合为G，初始值为空集 设M为特征的总数；利用互信息的评价函数Score(f′u)定义如下：初始选择的特征为g1，计算

将g1放入特征选择集合G中；

步骤4)：从第二个特征选择开始，改进评价函数为：

计算

其中N指已经选择特征集合G中的特征数目、gN为第N个选择的特征、IScore(f′u)为改进评价函数；

步骤5)：根据目标特征选择总数，重复步骤4) 中的公式(19)进行选择特征；当集合G中的特征数目达到目标特征选择总数时，将集合G中的特征作为图像最终的识别特征。

3.如权利要求1所述的一种基于特征选择的局部差三进制序列图像特征描述方法，其特征在于：步骤二中m×n为128×128。

4.如权利要求1所述的一种基于特征选择的局部差三进制序列图像特征描述方法，其特征在于：步骤四中a取值为3，三种分块模式分别为2×2，4×4和8×8。

5.如权利要求1所述的一种基于特征选择的局部差三进制序列图像特征描述方法，其特征在于：步骤2)中th取值为10。

6.如权利要求2所述的一种基于特征选择的局部差三进制序列图像特征描述方法，其特征在于：步骤1)中M取值为1600。

7.如权利要求2所述的一种基于特征选择的局部差三进制序列图像特征描述方法，其特征在于：步骤5)中目标特征选择总数取值为32。

8.如权利要求1所述的一种基于特征选择的局部差三进制序列图像特征描述方法，其特征在于：所述处理器为微机。

9.如权利要求1所述的一种基于特征选择的局部差三进制序列图像特征描述方法，其特征在于：处理器通过神经网络分类识别法进行分类识别。