1.一种基于图像处理的复合材料缺陷检测方法，其特征在于，该方法包括以下步骤：S1、利用红外成像仪及工业相机获取复合材料的成像图并进行预处理，得到复合材料的待检测图像；

S2、利用BTC算法对待检测图像进行特征提取，并将提取的特征转为化坐标曲线；

S3、将得到的特征坐标曲线与预设的标准曲线进行相似度比较，得到比较结果，并根据比较结果判断复合材料是否存在缺陷；

所述将得到的特征坐标曲线与预设的标准曲线进行相似度比较，得到比较结果，并根据比较结果判断复合材料是否存在缺陷包括以下步骤：S31、获取预设的标准曲线；

S32、将得到的特征坐标曲线与预设的标准曲线对齐，使得特征坐标曲线与预设的标准曲线具有相同的起点和终点；

S33、利用弗雷歇距离算法评价特征坐标曲线与预设的标准曲线之间的相似度；

S34、若弗雷歇距离小于预设阈值，则表示复合材料不存在缺陷，否则，表示复合材料存在缺陷；

S4、若判断复合材料存在缺陷，则根据比较结果确定缺陷的位置信息；

所述若判断复合材料存在缺陷，则根据比较结果确定缺陷的位置信息包括以下步骤：S41、若判断复合材料存在缺陷，则找出特征坐标曲线与预设的标准曲线上每个数据点之间距离大于预设阈值的点；

S42、根据找到的距离大于预设阈值的点，确定其对应的特征序号；

S43、确定特征序号所对应的图像位置作为缺陷区域，得到复合材料的缺陷位置；

所述利用红外成像仪及工业相机获取复合材料的成像图并进行预处理，得到复合材料的待检测图像包括以下步骤：S11、采用卤素灯作为热激励源对复合材料进行均匀加热；

S12、采用红外成像仪记录复合材料的加热过程，并获取复合材料的红外热成像图；

S13、采用工业相机获取复合材料冷却至室温后的可见光图像；

S14、采用中值滤波法对得到的红外热成像图及可见光图像进行降噪处理；

S15、将降噪处理后红外热成像图及可见光图像调整至相同的尺寸；

S16、基于直觉模糊折扣算子法对调整后的红外热成像图及可见光图像进行融合，得到复合材料的待检测图像；

所述基于直觉模糊折扣算子法对调整后的红外热成像图及可见光图像进行融合，得到复合材料的待检测图像包括以下步骤：S161、采用SIFT算法分别对调整后的红外热成像图及可见光图像进行特征提取，得到特征向量；

S162、将红外热成像图的特征向量与可见光图像的特征向量形成测量矩阵；

S163、计算红外热成像图的特征向量与可见光图像的特征向量之间的欧式距离；

S164、根据灰关联分析，计算红外热成像图的特征向量与可见光图像的特征向量之间的关联系数，并构建关联系数矩阵；

S165、对得到的关联系数矩阵进行信度的生成，得到信度分配矩阵；

S166、将信度分配矩阵转化成直觉模糊描述矩阵并进行折扣加权算子运算，得到融合后的直觉模糊决策向量，将得到直觉模糊决策向量解模糊化处理，得到待检测图像；

所述将信度分配矩阵转化成直觉模糊描述矩阵并进行折扣加权算子运算，得到融合后的直觉模糊决策向量，将得到直觉模糊决策向量解模糊化处理，得到待检测图像包括以下步骤：S1661、定义折扣因子并将直觉模糊描述矩阵中的每一个元素乘以对应的折扣因子，得到新的直觉模糊描述矩阵；

S1662、利用加权平均法对新直觉模糊描述矩阵进行融合处理，得到直觉模糊决策向量；

S1663、采用最大隶属度法将得到的直觉模糊决策向量进行解模糊化处理，得到待检测图像。

2.根据权利要求1所述的一种基于图像处理的复合材料缺陷检测方法，其特征在于，所述计算红外热成像图的特征向量与可见光图像的特征向量之间的关联系数的计算公式为：式中，ξ(Ai,Bj)表示红外热成像图的特征向量A第i个元素与可见光图像的特征向量B第j个元素之间的关联系数；

Di,j(Ai,Bj)表示红外热成像图的特征向量A第i个元素与可见光图像的特征向量B的第j个元素之间的欧式距离；

ρ表示分辨系数，取值范围为[0,1]。

3.根据权利要求1所述的一种基于图像处理的复合材料缺陷检测方法，其特征在于，所述利用BTC算法对待检测图像进行特征提取，并将提取的特征转为化坐标曲线包括以下步骤：S21、将待检测图像转化为灰度图像，并将灰度图像分割为k×k大小的互不重叠的字块；

S22、计算每个子块内像素的灰度均值；

S23、根据BTC算法思想，将每个子块内像素的灰度值大于均值的像素点赋值为1，否则，将每个子块内像素的灰度值小于或等于均值的像素点赋值为0，得到一系列k×k的二进制特征块；

S24、对每个二进制特征块按照从左往右，从上到下的方式进行特征序号标注；

S25、将标注的特征序号作为坐标轴的横坐标，将二进制特征块的像素点赋值作为纵坐标，得到特征曲线图。

4.根据权利要求1所述的一种基于图像处理的复合材料缺陷检测方法，其特征在于，所述利用弗雷歇距离算法评价特征坐标曲线与预设的标准曲线之间的相似度包括以下步骤：S331、计算特征坐标曲线与预设的标准曲线上每个数据点之间的距离，得到距离矩阵；

S332、找出距离矩阵中的最大距离dmax和最小距离dmin，并初始化目标距离f＝dmin，设置循环间隔r＝(dmax‑dmin)/100；

S333、将距离矩阵中小于或等于目标距离f的元素设置为1，大于目标距离的元素设置为0，得到二值矩阵；

S334、在得到二值矩阵中搜索一条满足预设条件的最优路径；

S335、若未找到满足预设条件的路径，则更新目标距离，令目标距离fn＝f+r,式中，n表示更新次数，并重复执行步骤S333‑S334，直至找到满足预设条件的最优路径或者目标距离f＝dmax；

S336、获得特征坐标曲线与预设的标准曲线之间的弗雷歇距离F＝fn；

S337、根据得到弗雷歇距离计算特征坐标曲线与预设的标准曲线之间的相似度,所述相似度计算公式为：S＝1/F，式中，S表示特征坐标曲线与预设的标准曲线之间的相似度，F表示特征坐标曲线与预设的标准曲线之间的弗雷歇距离。

5.一种基于图像处理的复合材料缺陷检测系统，用于实现权利要求1‑4中任一项所述的基于图像处理的复合材料缺陷检测方法，其特征在于，该系统包括：图像获取处理模块、特征提取转化模块、相似度比较模块及缺陷位置判断模块，且所述图像获取模块、所述特征提取转化模块、所述相似度比较模块及所述缺陷位置判断模块之间依次连接；

所述图像获取处理模块，用于利用红外成像仪及工业相机获取复合材料的成像图并进行预处理，得到复合材料的待检测图像；

所述特征提取转化模块，用于利用BTC算法对待检测图像进行特征提取，并将提取的特征转为化坐标曲线；

所述相似度比较模块，用于将得到的特征坐标曲线与预设的标准曲线进行相似度比较，得到比较结果，并根据比较结果判断复合材料是否存在缺陷；

所述缺陷位置判断模块，用于若判断复合材料存在缺陷，则根据比较结果确定缺陷的位置信息，包括以下步骤：S41、若判断复合材料存在缺陷，则找出特征坐标曲线与预设的标准曲线上每个数据点之间距离大于预设阈值的点；

S42、根据找到的距离大于预设阈值的点，确定其对应的特征序号；

S43、确定特征序号所对应的图像位置作为缺陷区域，得到复合材料的缺陷位置。