1.一种图像多尺度特征提取方法，其特征在于，包括以下步骤：S1、输入二维图像，对所述二维图像进行边缘检测和角点检测，将所述角点检测得到的角点和所述边缘检测得到的边缘点进行组合，以确定所述二维图像中的图像显著区域；

S2、采用多尺度滑窗的方式分割图像，滑窗在图像区域内滑动采样，其中，图像显著区域滑窗的滑动步长小于非显著区域滑窗的滑动步长；

S3、在每个窗口内提取图像梯度方向直方图特征：S31、对于窗口图像，计算水平和垂直方向的梯度；

S32、梯度方向角度取值0～360°，对梯度方向进行8方向量化；

S33、统计所有梯度点得到梯度方向直方图；

S34、采用基于面积的归一化方法对梯度方向直方图进行归一化：Τ

设特征窗口Ww×h梯度方向直方图Hist＝[h0,h1,…,h7] ，面积参数 则基于面积参数的归一化直方图为 和/或基于目标像素点总数的归一化方法：Τ

Ri梯度方向直方图HistRi＝[h0,h1,…,h7] ，归一化直方图为S35、直方图特征编码得到二进制串，即图像特征。

2.如权利要求1所述的图像多尺度特征提取方法，其特征在于，步骤S31的计算方法为[Gh,Gv]＝gradient(F)，采用方向模板[‑1,0,1],计算当前像素点的水平梯度和垂直梯度，方向角度θ＝arctan(Gv/Gh)：

3.如权利要求2所述的图像多尺度特征提取方法，其特征在于，步骤S32采用就近方向量化的原则，将实际的梯度方向量化至最近的量化方向上；

或采用模糊量化的方法，将实际的梯度方向用投影至相邻两个方向的分量表示。

4.如权利要求1至3中任一项所述的图像多尺度特征提取方法，其特征在于，步骤S1中判定显著区域的条件为：如果在一个角点的5*5邻域内的边缘点的个数超过特定阈值，则确定该角点和所述个数的边缘点是所述图像显著物体边缘的一部分。

5.如权利要求4所述的图像多尺度特征提取方法，其特征在于，步骤S1中对二维图像进行高斯滤波，再进行边缘检测和角点检测。

6.如权利要求5所述的图像多尺度特征提取方法，其特征在于，步骤S1中所述特定阈值为5或6。

7.如权利要求6所述的图像多尺度特征提取方法，其特征在于，所述滑窗的尺寸设置为长0.1～1、宽0.1～1的多种组合，以整幅图片的尺寸为高×宽＝1×1。

8.如权利要求7所述的图像多尺度特征提取方法，其特征在于，步骤S2中图像显著区域滑窗的滑动步长设为0.05～0.2，非显著区域滑窗的滑动步长设为0.1～0.25。