1.一种基于稀疏字典优选的织物疵点检测方法，其特征在于，包括：S1：采集待检测织物的图像，将所述图像分为正常图像和检测图像；

S2：设置稀疏字典，对所述正常图像进行预处理后进行稀疏字典学习，得到包含正常织物纹理信息的稀疏字典D；

S3：设置子字典，对稀疏字典D进行优选，得到包含多个子字典的字典集合,包括以下步骤:S31：输入正常图像块样本集合 学习的稀疏字典D，初始化字典子字典原子数量k,重构误差界限L；

S32：初始化迭代周期i＝1；

S33：从稀疏字典D中随机挑选k个字典原子组合成子字典Si；

S34：通过公式 更新Si，将Si添加至字典集合S；

S35：将满足条件 的图像块数据删除，更新图像块样本集合X；

S36：判断图像块样本集合X是否为空集，当图像块样本集合 迭代周期i＝i+1，返回执行步骤S33；当图像块样本集合 输出分组的字典集合S＝{S1,S2,…,Sq}；

S4：对经过预处理后的检测图像，利用所述字典集合对其进行重构，经过计算得到残差图像；

S5：对所述残差图像进行阈值分割得到疵点图像块，对所述疵点图像块进行误检抑制处理，得到最终的疵点图像块,包括以下步骤：S51：输入分割后疵点图像块样本集Bt＝[b1,b2,…,bn]，疵点图像块对应的重构误差Ct＝[c1,c2,…,cn]，抑制程度控制系数σ；

S52：找到当前图像中最大的重构误差及其对应的图像块；

S53：根据公式δ＝σ×max[c1,c2,…,cn]计算阈值δ；

S54：根据阈值δ将所有疵点块分为两类，第一类，ci大于阈值δ的疵点图像块，将ci对应的疵点图像块bi作为真疵点图像块，将bi添加至疵点图像块Bt；第二类，ci小于等于阈值δ的疵点图像块，此类疵点图像块为检测错误的，将ci对应的疵点图像块bi剔除；此外，当所有疵点块都在第一类中，此图像为无疵点图像；

S55：输出疵点图像块Bt＝[b1,b2,…,bm]；

S6：对最终的疵点图像块进行记录和标记。

2.根据权利要求1所述的基于稀疏字典优选的织物疵点检测方法，其特征在于，步骤S1中，所述正常图像为不包含疵点的图像，所述检测图像为包含疵点的图像。

3.根据权利要求1所述的基于稀疏字典优选的织物疵点检测方法，其特征在于，步骤S2中，设置稀疏字典具体包括：设置稀疏字典的字典大小、子窗口大小、正则化参数。

4.根据权利要求1所述的基于稀疏字典优选的织物疵点检测方法，其特征在于，步骤S2中，对所述正常图像进行预处理的方法包括：图像分块排列、中心化以及归一化。

5.根据权利要求1所述的基于稀疏字典优选的织物疵点检测方法，其特征在于，步骤S3中，设置子字典具体包括：子字典的字典大小、子窗口大小、子窗口重叠方式、重构误差上限。

6.根据权利要求1所述的基于稀疏字典优选的织物疵点检测方法，其特征在于，步骤S4中，对经过预处理后的检测图像，利用所述字典集合对其进行重构，经过计算得到残差图像包括以下步骤：S41：提取检测图像X的所有图像块，排成列向量组合成矩阵Xt；

S42：利用字典集和S中所有子字典Si对矩阵Xt用最小二乘法求解得到相应系数，根据公式Xri＝D×αi，得到重构图像Xri；

2

S43：根据公式Xεi＝‖Xt‑Xri‖，得到残差图像Xεi；

其中，D为稀疏字典，αi为编码稀疏矩阵，Xri为重构图像，Xt是取块排列后的图像矩阵，Xεi为残差图像。

7.根据权利要求1所述的基于稀疏字典优选的织物疵点检测方法，其特征在于，步骤S5中，对所述残差图像进行阈值分割得到疵点块，所述阈值的取值公式如下：Th＝μ+c+τ

其中，μ和τ是残差图像Xε的图像块的平均值和标准值，c是一个预定的常数。

8.一种基于稀疏字典优选的织物疵点检测系统，其特征在于，所述系统用于实现权利要求1至7任一项所述的基于稀疏字典优选的织物疵点检测方法，包括：织物图像采集模块，用于采集待检测织物的图像，将所述图像分为正常图像和检测图像；

稀疏字典D获取模块，用于设置稀疏字典，对所述正常图像进行预处理后进行稀疏字典学习，得到包含正常织物纹理信息的稀疏字典D；

稀疏字典D优化模块，用于设置子字典，对稀疏字典D进行优选，得到包含多个子字典的字典集合；

图像处理模块，用于对经过预处理后的检测图像，利用所述字典集合对其进行重构，经过计算得到残差图像；对所述残差图像进行阈值分割得到疵点图像块，对所述疵点图像块进行误检抑制处理，得到最终的疵点图像块；

织物疵点记录和标记模块，用于对最终的疵点图像块进行记录和标记。