1.一种色纺织物图像相似度计算方法，其特征在于，包括如下步骤：

步骤1，利用不同颜色的染色纤维混合形成色纺纱，制备为具有不同织造方式、不同颜色配比、不同组织结构差异因素的色纺织物样本，构建待测图像数据库；

步骤2，在数据库中选取两幅待测图像，分别将每幅图像的R、G、B三通道以不同的方式排列为多种三维点阵，并投影至空间直角坐标系中；

步骤3，分别计算空间直角坐标系中xy平面、yz平面和xz平面的法向量方向上各空间点阵中心3×3邻域的局部二值模式LBP特征，构建图像的跨通道LBP多维特征图谱；

步骤4，将特征图谱的每一维视为伪灰度图像，利用灰度共生矩阵GLCM计算其分别在四个方向上的四种空间相关特性，构建图像的局部特征向量，其中四个方向为0°、45°、90°和

135°，四种空间相关特性为角二阶矩、对比度、相关性和熵；

步骤5，将步骤2中得到的待测图像转换到HSV色彩空间中，分别计算其色相H、饱和度S、明度V三个分量的梯度方向谱；

步骤6，计算每个梯度方向谱的三阶矩特征，构建图像的全局特征向量；

步骤7，将两幅图像在步骤4和步骤6中得到的特征向量归一化至[0,1]，利用向量欧氏距离分别计算两幅图像的局部特征差异和全局特征差异；

步骤8，利用特征级融合策略，将局部特征差异和全局特征差异进行加权求和，转换为百分比形式，得到图像的总体相似度。

2.如权利要求1所述的一种色纺织物图像相似度计算方法，其特征在于：步骤1中，制备的样本涵盖机织物与针织物两种由不同织造方式所得的织物，在采集样本图像的过程中，需要在完全相同的环境条件中进行拍摄，摄像机的参数均保持一致，环境条件包括环境湿度、光源、拍摄角度和取景视野，摄像机的参数包括镜头焦距、光圈尺寸和白平衡。

3.如权利要求1所述的一种色纺织物图像相似度计算方法，其特征在于：步骤2中，将图像的R、G、B三通道以不同顺序在空间中进行排列，组合为多种三维点阵，在实际计算过程中，只计算[R,G,B]、[R,B,G]、[G,R,B]三种排列方式的点阵即可，其他的排列方式均可由上述三种旋转得到，因此无需计算。

4.如权利要求1所述的一种色纺织物图像相似度计算方法，其特征在于：步骤3中，在空间直角坐标系中，m×n的图像局部区域在三通道构成的点阵中表现为3×m×n的立方体，在计算特征的过程中，需要遍历点阵中每个像素点，并分别沿着xy平面、yz平面和xz平面的法向量方向计算其3×3邻域的LBP特征，构成跨通道LBP特征，计算方法如式一和式二所示，式中，p表示通道中像素点的值，pi表示第i个点的邻域值，N表示邻域像素点数量，x、y表示p点的横纵坐标；

其中：

计算完成后，将[R,G,B]、[R,B,G]、[G,R,B]三种点阵的跨通道LBP特征组合为多维特征图谱，以便下一步运算。

5.如权利要求1所述的一种色纺织物图像相似度计算方法，其特征在于：步骤4中，四种空间相关特性的计算方法如式三到式六所示：其中，ASM表示角二阶矩，CON表示对比度，COR表示相关性，EBT表示熵，G(i,j)代表灰度共生矩阵中像素值的空间位置，i、j为像素点索引坐标，k代表灰度级，中间变量Ui、Uj、Si、Sj的定义分别如式七到式八所示：

6.如权利要求1所述的一种色纺织物图像相似度计算方法，其特征在于：步骤5中构建梯度方向谱的计算方法如式十一至十三所示；

θ(x,y)＝arctan(Gh(x,y)/Gv(x,y))   式十一其中：

Gh(x,y)＝I(x+1,y)‑I(x‑1,y)   式十二

Gv(x,y)＝I(x,y+1)‑I(x,y‑1)   式十三；

式中I表示图像的分量通道，x,y分别表示像素点的横纵坐标，Gh(x,y)、Gv(x,y)分别表示该像素点处的水平梯度与垂直梯度，θ(x,y)表示该像素点处的梯度方向角度。

7.如权利要求1所述的一种色纺织物图像相似度计算方法，其特征在于：步骤6中，梯度方向谱的三阶矩特征计算方法如式十四至十五所示；

式中，C1、C2、C3分别代表三阶矩，Pi,j表示梯度方向谱中点(i,j)处的值，m和n分别表示梯度方向谱的长和宽。

8.如权利要求1所述的一种色纺织物图像相似度计算方法，其特征在于：步骤7中，为了消除图像的局部特征与全局特征之间量纲对结果的影响，采用标准离差化的方式将所得全部特征归一化至[0,1]，并分别利用欧氏距离对其相似性测度。

9.如权利要求1所述的一种色纺织物图像相似度计算方法，其特征在于：步骤8中，特征级融合策略如式十七所示；

DISTtotal＝ω×DISTLocal+(1‑ω)×DISTGlobal  式十七SIM＝[1‑DISTtotal]×100％  式十八

式中，DISTLocal、DISTGlobal分别表示归一化后的图像局部特征分量与全色特征分量的欧氏距离，ω表示特征权重，SIM表示总体相似度。