1.基于距离匹配函数和感知哈希算法的织物疵点检测方法，其特征在于，其步骤如下：步骤一：采用距离匹配函数从正常规则图像中提取最小纹理周期；

步骤二：构造重复周期的模板，采用感知哈希算法提取模板图像块的结构特征；

步骤三：从待测样本上获取待测图像块，提取待测图像块的结构特征和灰度均值特征；

步骤四：针对每个待测图像块的结构特征，与模板图像块的结构特征一一对比，生成最小汉明距离特征图H；

步骤五：针对每个待测图像块的灰度均值特征，与待测样本的灰度均值特征对比，生成灰度均值对比特征图D；

步骤六：融合特征图H和特征图D，利用最大类间方差法对最终的特征图进行分割，定位出疵点区域；

所述采用距离匹配函数从正常规则图像中提取最小纹理周期的方法：用二维变量f(x,y)表示织物图像灰度值，计算二维距离匹配函数：和

式中，M，N分别为该图像的宽和高，x，y分

别为该图像中像素的行与列；p代表函数的周期，当p为函数f(x,y)的行方向或者列方向的周期时，f(x,y)与f(x,y+p)或f(x+p,y)的差值最小，记最小周期的宽高分别为a、b，后续提取的图像块大小均为最小周期大小；

所述的构造重复周期的模板是指：从正常规则织物图像中，获取宽、高为2a和2b的正常规则图像模板；

所述的采用感知哈希算法提取模板图像块的结构特征的方法是：以计算出的最小周期a×b为窗口，在模板上以固定步长滑动获取图像块，采用感知哈希算法计算出图像块的哈希值作为结构特征；

所述的针对每个待测图像块的结构特征，与模板图像块的结构特征一一对比，生成最小汉明距离特征图H的方法是：在待测样本上以最小周期获取待测图像块，再将待测图像块与模板图像块的结构特征一一对比，取汉明距离的最小值作为对比结果，记为最小汉明距离，在生成特征图的过程中，一个待测图像块代表特征图的一个像素点，最小汉明距离为特征点的像素值，其中，汉明距离dh(x,y)表示两个图像哈希值x，y之间的相似度，可以通过对两个哈希值进行异或运算，并统计结果为1的个数得到汉明距离，其公式为

2.根据权利要求1所述的织物疵点检测方法，其特征在于，所述的感知哈希算法的流程是：1)将图像块缩小到8×8的尺寸；2)计算压缩后图像块的灰度平均值；3)比较像素的灰度：将每个像素的灰度，与平均值进行比较，大于或等于平均值，记为1；小于平均值，记为0；

4)计算哈希值：将上一步的比较结果，组合在一起，就构成了一个64位的整数，保证所有图像块都采用同样次序。

3.根据权利要求1所述的织物疵点检测方法，其特征在于，所述的从待测样本上获取待测图像块，提取待测图像块的结构特征和灰度均值特征的方法是：以计算出的最小周期a×b为窗口，在待测样本上以固定步长滑动获取图像块，采用感知哈希算法计算出图像块的哈希值作为结构特征，计算出图像块的平均灰度值作为灰度均值特征。

4.根据权利要求1所述的织物疵点检测方法，其特征在于，所述的针对每个待测图像块的灰度均值特征，与待测样本的灰度均值特征对比，生成灰度均值对比特征图D的方法是：在待测样本上以最小周期获取待测图像块，将待测图像块的灰度平均值与待测样本的灰度平均值做差再取绝对值作为对比结果，在生成特征图的过程中，一个待测图像块代表特征图的一个像素点，对比结果为特征点的像素值。

5.根据权利要求1所述的织物疵点检测方法，其特征在于，所述的融合特征图H和特征图D，利用最大类间方差法对最终的特征图进行分割，定位出疵点区域的方法是：首先将特征图按照公式进行阈值划分 和再按照公式M(i,j)＝(H(i,j)+D(i,j))2融合特征图，最后采用最大类间方差法进行二值化，其中θ1为结构特征的阈值，θ2为灰度特征的阈值，M(i,j)为融合后特征图的像素。