1.一种基于多特征融合的轨面状态辨识方法，其特征在于，包括以下步骤：S1、采集不同状况下的轨面图像，对轨面图像进行预处理；

S2、对预处理后的轨面图像进行特征提取；包括颜色特征提取、纹理特征提取；颜色特征提取选用灰度特征，灰度特征计算公式为：上式中 表示均值， 表示方差，σf表示标准差；f(x,y)表示轨面图像(x,y)点的灰度值。

S3、采用串行融合方法将S2中所述颜色特征和纹理特征进行融合，得到轨面图像的融合特征向量，融合特征向量为：Features＝[A1 A2]；

其中，A1为颜色特征，A2为纹理特征；

S4、设计多特征融合的SVM模型；

S5、将S3中得到的所述融合特征向量输入多特征融合的SVM模型，输出分类结果。

2.根据权利要求1所述的一种基于多特征融合的轨面状态辨识方法，其特征在于，在步骤S1中采集了4种不同状况下的轨面图像。

3.根据权利要求2所述的一种基于多特征融合的轨面状态辨识方法，其特征在于，4种不同状况下的轨面图像包括干燥轨面、潮湿轨面、油污轨面、积雪轨面。

4.根据权利要求1所述的一种基于多特征融合的轨面状态辨识方法，其特征在于，在步骤S2中，颜色特征提取中选用灰度特征，先将图像转为灰色图像，再采用灰度统计方法提取灰度特征。

5.根据权利要求4所述的一种基于多特征融合的轨面状态辨识方法，其特征在于，将图像转为灰色图像的转化算法为：其中，R代表图像中红色通道、G代表图像中绿色通道、B代表图像中蓝色通道。

6.根据权利要求1所述的一种基于多特征融合的轨面状态辨识方法，其特征在于，在步骤S2中，纹理特征提取采用统计分析法，纹理特征的描述选用灰度共生矩阵。

7.根据权利要求6所述的一种基于多特征融合的轨面状态辨识方法，其特征在于，灰度共生矩阵的计算公式为：上式中，f1为惯性矩，f2为能量；图像的灰度级为0～N，则共生矩阵是N×N矩阵；其中位于(i,j)的元素p(i,j)力的值表示一个灰度为i，而另一个灰度为j的两个相距为Δδ＝(Δx,Δy)的像素对出现的概率。

8.根据权利要求1所述的一种基于多特征融合的轨面状态辨识方法，其特征在于，采用MATLAB软件来仿真验证本方法的有效性和可行性。

9.根据权利要求8所述的一种基于多特征融合的轨面状态辨识方法，其特征在于，仿真验证中采用200个轨面图像样本，测试样本和训练样本按照1:4划分。