1.一种基于特征匹配的织物异常区域检测方法，其特征在于，包括以下步骤：S1、织物图像特征提取；所述S1包括如下步骤：

S11、获取织物训练集，训练集样本由正常图像组成；

S12、使用经过ImageNet预训练的Wide‑ResNet‑50‑2特征提取网络作为特征提取器α，对训练集样本进行特征提取；将每张训练集样本经特征提取器α中的第一个卷积组和第三个卷积组的输出作为异常区域定位特征，分别记为 将经特征提取器α的第四个卷积组池化后的输出作为存在异常区域的判别特征，记为xa；

由所有训练集样本的 xa生成特征集合 Xa；

S13、使用特征提取器α对待测图像y进行特征提取，其中，将待测图像y在特征提取器α中的第一个卷积组和第三个卷积组的输出作为异常区域定位特征，分别记为 将经特征提取器的第四个卷积组池化后的输出作为图像存在异常区域的判别特征，记为ya；

S2、织物图像异常判别；所述S2包括如下步骤：

S21、在特征集合Xa中检索与待测图像y中的特征ya距离最接近的k个训练特征并保存与其对应的k个特征 与根据距离度量公式为L2和余弦相似性结合，给出异常判别分数为D，计算公式为：d＝L2+λ(1‑Cosine) (3)

其中，λ为余弦相似性的权重；

S22、设定阈值τ1，若分数D大于τ1，则判定织物图像存在异常，记为Pa，若分数D小于τ1，则判定织物图像为正常图像；

S3：织物异常区域定位。

2.如权利要求1所述的基于特征匹配的织物异常区域检测方法，其特征在于，所述S3包括如下步骤：S31、将异常图像Pa的特征 中每个像素块分别与k个特征 中与对应位置的像素块进行L2距离度量，每个像素块的异常分数记为 的L2距离度量和，计算得到所有像素块的异常分数后组成特征 的异常像素块分数图S32：将异常图像Pa的特征 中每个像素块分别与k个特征 中与对应位置的像素块进行L2距离度量，每个像素块的异常分数记为 的L2距离度量和，计算得到所有像素块的异常分数后组成特征 的异常像素块分数图S33：将异常像素块分数图 和 分别进行上采样至与待测图片相同尺寸，分别记为和 待测图像的粗略异常像素分数图p为S34：将粗略异常像素分数图p进行高斯模糊消除干扰点从而得到异常像素分数图p'，给定阈值τ2，若p'中像素点的分数值小于τ2，则标记该像素点为正常像素点，若p'中像素点的分数值大于τ2，则标记该像素点为异常像素点；

S35：将标记为正常的像素点的三通道像素值均置为0，由异常像素点组成的图像即为异常区域定位图。