1.一种提花针织物疵点检测方法，其特征在于，包括：S101：获取织物图像，根据预设梯度值将所述织物图像分为纹理区域和疵点区域；

S102：提取所述织物图像的灰度梯度矩阵，通过概率子集法计算所述纹理区域的第一梯度阈值，通过相关性准则法计算所述疵点区域的第二梯度阈值；

S103：根据所述第一梯度阈值、所述第二梯度阈值和所述预设梯度值，构建扩散系数函数，对所述纹理区域和所述疵点区域进行分区域扩散，得到扩散织物图像；

S104：将所述扩散织物图像均分为多个图像分块，计算各所述图像分块特征值的均值，选取最大均值和最小均值；

S105：根据所述第二梯度阈值、所述最大均值和所述最小均值，设定自动化阈值，构建改进LBP算法，提取所述扩散织物图像的LBP灰度特征值，得到LBP灰度特征图；

S106：计算所述扩散织物图像中各像素点的局部熵值，得到局部熵特征图，并计算所述扩散织物图像中各像素点的相关性值，得到相关性特征图；

S107：将所述LBP灰度特征值、所述局部熵值和所述相关性值，分别采用去邻域减行均值法计算出对应的目标LBP灰度特征值、目标局部熵值和目标相关性值；

S108：将所述目标LBP灰度特征值、所述目标局部熵值和所述目标相关性值归一化至预设区间，得到归一化目标LBP灰度特征值、归一化目标局部熵值和归一化目标相关性值；

S109：根据所述LBP灰度特征图中的归一化目标LBP灰度特征值、峰值区域特征值和非峰值区域特征值，计算所述LBP灰度特征图对应的权重，以此类推，计算所述局部熵特征图对应的权重和所述相关性特征图对应的权重；

S110：根据各个特征图对应的权重，计算各个特征图对应的融合系数，将各个特征图和对应的所述融合系数相乘，得到重构特征图；

S111：定位所述重构特征图中的疵点区域所在的图像分块，采用区域生长分割算法提取疵点边缘和整体形态得到疵点分割区域，并将所述疵点分割区域进行二值化输出。

2.根据权利要求1所述的提花针织物疵点检测方法，其特征在于，所述S102具体包括：S1021：对于预设疵点图像梯度值集合GL＝{0，1，2，…，L‑1}，所述灰度梯度矩阵为M×N的所述织物图像，计算所述梯度值集合中不为0的各梯度值出现概率Pi：其中，ni表示所述梯度值为i的个数；

S1022：从所述梯度值出现概率中选取梯度值最大出现概率p：p＝max{p1,p2,···,pL‑1}                公式2；

S1023：引入控制因子，结合所述梯度值最大出现概率确定概率范围▽p：S1024：对所述概率范围内的梯度值取均值，计算得到所述第一梯度阈值K1：S1025：根据所述梯度值出现概率，计算指定梯度级与其他梯度级之间的相关量P{s}：其中，S∈GL表示所述指定梯度级；

S1026：计算所述指定梯度级与其他梯度级之间总相关量TC(s)：S1027：在所述总相关量为最大值的情况下，计算所述疵点区域与所述纹理区域的第二梯度阈值K2：

3.根据权利要求2所述的提花针织物疵点检测方法，其特征在于，所述S103具体包括：S1031：将所述第二梯度阈值作为所述疵点区域和所述纹理区域的最佳分解阈值；

S1032：根据所述预设阈值和所述最佳分解阈值，构建所述纹理区域和所述疵点区域的扩散系数函数：

4.根据权利要求3所述的提花针织物疵点检测方法，其特征在于，所述S105具体包括：S1051：计算自动化阈值T：

T＝min{K2‑min(μn),max(μn)‑K2}             公式9其中，μn表示总的所述图像分块n的均值组成的向量；

S1052：根据所述自动化阈值，计算改进LBP算法其中，p表示邻域个数，s表示变量参数，R表示参数半径，μp，μc分别表示中心块均值和邻域块均值，为LBP的统一模式，riu2表示旋转不变的统一模式。

5.根据权利要求4所述的提花针织物疵点检测方法，其特征在于，所述S106具体包括：S1061：对于一个M×N大小的灰度特征图的灰度图像矩阵，局部熵值S的计算方法为：其中，pij表示像素点(i，j)处的所述灰度特征值出现频率。

6.根据权利要求5所述的提花针织物疵点检测方法，其特征在于，所述S106还包括：S1062：计算相关性值C：

其中，f(i，j)表示像素点(i，j)处的所述灰度特征值，μx，μy分别表示所述织物图像行方向和列方向上的均值，σx，σy分别表示所述织物图像行方向和列方向上的标准差。

7.根据权利要求6所述的提花针织物疵点检测方法，其特征在于，所述S107具体包括：S1071：计算出各所述图像分块的行均值h；

S1072：计算所述目标LBP灰度特征值、目标局部熵值和所述目标相关性值的计算方式为：其中，Sij表示所述LBP灰度特征值、所述局部熵特征值和所述相关性特征值特，μiT为去除Sij邻域大小为h后的行均值，Fij为对应的所述目标LBP灰度特征值、目标局部熵值和所述目标相关性值。

8.根据权利要求7所述的提花针织物疵点检测方法，其特征在于，所述S109具体包括：S1091：分别将所述LBP灰度特征图的所述峰值区域特征值和所述非峰值区域特征值之和的比值作为对应的各个特征图的权重，以此类推，计算所述局部熵特征图对应的权重和所述相关性特征图对应的权重Gk：k k

其中，Np为峰值区域特征值个数，Fi,j，Fd分别表示第k个特征图中点(i，j)处的特征值和峰值区域的第d个特征值。

9.根据权利要求8所述的提花针织物疵点检测方法，其特征在于，所述S110具体包括：S1101：根据各个特征图的权重，计算各个特征图对应的所述融合系数Wk：S1102：将各个特征图和对应的所述融合系数相乘，得到所述重构特征图：k

F＝WkF公式17。

10.根据权利要求1所述的提花针织物疵点检测方法，其特征在于，所述S111具体包括：S1111：从所述重构特征图中找到疵点区域，定位所述疵点区域所在的所述图像分块；

S1112：以所述图像分块的中心像素点作为生长种子；

S1113：设定所述生长种子的生长阈值，并将所述生长阈值作为生长准则；

S1114：计算所述生长像素点的邻域像素点和所述生长像素点之间的差值，在所述差值小于所述生长阈值的情况下，将所述生长像素点和所述邻域像素点进行合并得到疵点区域；；

S1105：在生长至不满足所述生长准则的情况下，将获取的所述疵点区域进行二值化输出。