1.一种基于局部几何感知的图像目标分类方法，其特征在于，包括如下步骤：S1、对采集的图像进行预处理，得到预处理后的图像向量数据矩阵X＝[X1,X2,…,XC]，其中：C是类别数， M是向量化后的特征维度，Nc是第c个类的图像类别数量，

1≤c≤C；

S2、对于第c个类Xc中任一幅图像预处理后的向量数据点xi，选取与一幅图像预处理后的向量数据点xi欧氏距离最近的三个向量数据点xi1，xi2，xi3组成最近邻特征平面，获得任一幅图像预处理后的向量数据点xi在最近邻特征平面的投影以及表示最近邻特征平面投影的3维权重系数向量Wc，将权重系数向量Wc扩充到N维，其中具有近邻关系的向量点之间权重系数不变，其他为0；

S3、对图像向量数据矩阵X中其余类的数据点，重复上述步骤，得到所有类别的权重系数矩阵W＝[W1,W2,…,WC]∈RN×N，其中N是所有预处理后的图像的总数目，S4、基于计算出的权重系数矩阵W＝[W1,W2,…,WC]∈RN×N，计算每个类的局部协方差矩阵，得到局部协方差矩阵C＝[C1,C2,…,CC]；

S5、基于所述局部协方差矩阵构建目标函数，通过最大化目标函数，得到低维投影矩阵；

S6、基于所述低维投影矩阵，对于一幅图像预处理后的向量数据点xi，计算其经过线性投影后的低维特征Yi；

S7、使用最近邻算法对所述低维特征Yi进行分类，从而完成图像目标的分类。

2.根据权利要求1所述的基于局部几何感知的图像目标分类方法，其特征在于，步骤S1中对采集的图像进行预处理包括依次进行的灰度化处理、平滑处理、归一化处理和向量化处理。

3.根据权利要求1所述的基于局部几何感知的图像目标分类方法，其特征在于，步骤S2中，权重系数向量W＝[Wi1，Wi2,Wi3]的计算根据下式进行：Xi,1,2,3＝[(xi2-xi1),(xi3-xi1)]Wi1＝1-Wi2-Wi3                          (1)其中：

xi表示一幅图像预处理后的向量数据点，即Xc的第i列，xi1,xi2,xi3分别表示与xi近邻的3幅图像预处理后的向量数据点，Wi1,Wi2,Wi3分别表示第i幅图像的3个近邻点的权重系数，即Wc中的第i行的每一列，T表示向量数据的转置。

4.根据权利要求3所述的基于局部几何感知的图像目标分类方法，其特征在于，步骤S4中，第c个类的局部协方差矩阵表示为：其中：I是与Wc维度相同的单位矩阵。

5.根据权利要求4所述的基于局部几何感知的图像目标分类方法，其特征在于，步骤S5具体包括：S51、施加一个微小的扰动使C′c成为正定矩阵：其中：Ic是与 维数相同的单位矩阵；δ表示扰动大小；

S52、使用log-Euclidean距离度量不同对称正定矩阵C′c之间的距离，建立如下目标函数：s.t.ATA＝I

d×N

其中，A∈R 表示低维投影矩阵，d是降维后的空间维度，log(·)表示以e为底的矩阵对数运算。

6.根据权利要求5所述的基于局部几何感知的图像目标分类方法，其特征在于，步骤S6中，经过线性投影后的低维特征Yi表示为：T

Yi＝AXi。                               (7) 。