1.一种纺织品图像指纹检索方法，其特征在于包括图像指纹获取、图像索引构建与图像检索；图像指纹获取包括获取待检测纺织品图像及纺织品图像库中所有纺织品图像的指纹，纺织品图像中多个重复出现的局部细粒度特征定义为纺织品图像的指纹部件，从一张纺织品图像提取出若干个指纹部件，将得到的指纹部件融合后生成的图像特征定义为纺织品图像的指纹；图像库中每个图像的指纹作为对应图像的特征，与图像名对应存储；再采用Cosine余弦距离计算待检测图像的指纹与图像库中的图像指纹特征之间的距离，将距离最近的图片取出，即为检索到的纺织品图像；

所述图像指纹获取包括以下步骤：

1)采用MaskR‑CNN网络提取纺织品图像中细粒度的特征作为该纺织品图像的指纹部件，假设有k个指纹部件，具体过程包括以下步骤：A1调整MaskR‑CNN网络中的ROI检测阈值DETECTION_MIN_CONFIDENCE为0.2；

A2将待检测纺织品图像馈入预训练好的卷积神经网络，得到特征图；将所得的特征图输入到区域建议网络中产生若干候选区域；使用非极大值抑制法NMS过滤出精确的候选区域；再将获得的精确的候选区域馈入到感兴趣区域，映射为相同维度特征向量作为指纹部件，将得到的全体指纹部件记为T＝{T1,…,Tn|n≤6}；

A3使用COCO预训练数据集分类判别全体指纹部件的概率值，所述概率值为0‑1，并对全体指纹部件按概率值由高到低进行排序；

A4计算T中每个指纹部件的面积；

A5对于计算出的指纹部件，若面积相同、使用COCO预训练数据集分类的类别相同且重复出现的，则只保留其中一个指纹部件，并将这种指纹部件放入指纹部件的列表P中；

A6对于T中的指纹部件，若步骤A3中排序前三的指纹部件不在指纹部件的列表P中，则将其放入指纹部件的列表P；

A7将指纹部件的列表P作为纺织品图像的指纹部件，列表P中指纹部件的个数即为k；

2)将k个指纹部件分别馈入ResNet网络，取其最大池化层作为纺织品图像的深度特征，记为x1,…,xk，是相同维度的向量；

3)对k个指纹部件提取的深度特征等权重加权平均 来进行融合，

获取到该纺织品图像的指纹；

所述图像索引构建具体为：

1)获取需要构建索引的纺织品图像库中每一个纺织品图像的指纹；

2)将步骤1)提取到的指纹作为对应纺织品图像的特征，与该图像名一一对应，并存储到本地，完成图像索引构建。