1.一种商品图像特征描述方法，其特征在于，所述方法包括：S1：对2倍升采样的商品图像进行小波多尺度分解，在不同分解尺度进行多尺度特征点提取；

S2：对提取的多尺度特征点进行边缘填充，在边缘填充后的图像上划定图像的局部区域，利用SURF局部特征与量化归一的颜色矢量角特征对划定的局部区域进行描述，并通过串行融合得到最终的局部区域特征的描述子；

S3：对S2得到的局部区域特征进行聚类，形成词包；

S4：对每个局部区域特征与词包中的词特征向量进行距离度量，给局部区域特征编码，并使用对角同心矩空间模型进行特征汇聚形成图像描述子，将该图像描述子使用主成分分析对特征进行降维，获得降维的视觉词包特征向量；

S5：将S4获得的视觉词包特征向量用分类器分类；

所述S4中，使用对角同心矩空间模型进行特征汇聚形成图像描述子，将该图像描述子使用主成分分析对特征进行降维，获得降维的视觉词包特征向量，为：按照对角同心矩空间模型，给图像划定空间子区域，统计整张图像内每类词的出现次数以及在划定空间子区域每类词出现次数，进行归一化处理，得到空间词频特征向量F，作为图像描述子：

F＝[f0,f1,...,fM]若图像划分为n部分则得到的空间词频特征向量F是K*(n+1)维的；其中，f0表示在整个图像范围而不考虑子空间范围得到的词频统计特征，它是K维的向量；f1,...,fn表示在划定的不同子空间内得到的词频统计特征，它们也是K维的向量；

S43：对图像描述子使用主成分分析方法进行降维，获得降维的视觉词包特征向量。

2.根据权利要求1所述的一种商品图像特征描述方法，其特征在于，所述S1包括：S11：将商品图像灰度值化并进行二倍升采样处理，然后对升采样图像进行多层小波分解，对每层分解得到的三个方向的高频小波响应矩阵提取相同坐标上的归一化系数；

S12：根据归一化系数的大小筛选出侯选点；

S13：对所有候选点进行非极大值抑制，以候选点为中心划定5*5大小的矩阵块，矩阵块每个位置的值为坐标相同的三个小波高频通道响应值之和，若候选点的值为该区域的最大值则保留，反之去除，得到对应尺度下的特征点；

S14：计算出特征点映射到原图的坐标位置。

3.根据权利要求2所述的一种商品图像特征描述方法，其特征在于，所述S11中，对每层分解得到的三个方向的高频小波响应矩阵提取相同坐标上的归一化系数为：其中ch、cv、cd分别为小波分解的竖直方向、水平方向和对角方向的高频小波响应矩阵，max表示分量内取最大值，cH、cV、cD分别为竖直方向、水平方向和对角方向对应的归一化系数。

4.根据权利要求2所述的一种商品图像特征描述方法，其特征在于，所述S14中，映射到原图的坐标位置为：

其中，L为小波分解层数，x和y是在尺度上检测的特征点位置坐标，X和Y为原图所对应的坐标位置。

5.根据权利要求1所述的一种商品图像特征描述方法，其特征在于，所述S1中，尺度大小为：

L‑1

σ＝1.6*2

其中，L为小波分解层数。

6.根据权利要求1所述的一种商品图像特征描述方法，其特征在于，所述S2包括：S21：对图像进行边缘填充，根据特征点位置与尺度划定图像的局部区域；

S22：构建局部区域的SURF描述子VSURF：围绕以某一像素点为中心半径大小为6σ的圆形区域计算haar响应值，将响应值最大的方向视为主方向；

将局部区域旋转至主方向位置，划分出以围绕特征点为中心，大小为20σ*20σ的局部区域，并将20σ*20σ的局部区域划分4*4的子区域，统计每个子区域内x、y方向的haar响应得到

4维向量[Σx,Σy,Σ|x|,Σ|y|]，最终16个子区域特征串联得到4*4*4的64维SURF描述子VSURF，σ表示尺度；

S23：在所述20σ*20σ的局部区域内统计每一级量化尺度对应颜色矢量角的出现次数，得到未归一化的颜色矢量角特征，对未归一化的颜色矢量角特征进行归一化处理得到颜色矢量角特征VCVA

S24：将VSURF与VCVA进行串行融合得到最终的局部区域特征的描述子V：V＝[VSURF,VCVA]。

7.根据权利要求6所述的一种商品图像特征描述方法，其特征在于，所述S23中，尺度大小是每0.5度为一级量化尺度；

颜色矢量角表示的是将彩色图像像素点的3颜色通道的值视为三维空间的坐标值，计算两相邻像素点三通道坐标值与原点之间的夹角大小，颜色矢量角为：其中r1、g1、b1为某像素点的三通道颜色值，r2、g2、b2为相邻像素点的三通道颜色值，arccos表示反余弦函数，angle为两像素点的颜色矢量角；

对得到的颜色矢量角量化过程为：其中，angle表示颜色矢量角的大小，i为对应的量化值；

归一化过程表示：

其中V＝[v1,v2,…,v180]，vi表示量化值i出现的统计次数。

8.根据权利要求1所述的一种商品图像特征描述方法，其特征在于，所述S3包括：随机选取K个局部区域特征作为初始类型，再用Kmeans算法进行迭代修正，直到误差小于阈值，得到最终K个聚类类心，即K个词包。

9.根据权利要求1所述的一种商品图像特征描述方法，其特征在于，所述S5使用SVM多分类算法对降维的视觉词包特征向量进行商品图像分类。