1.一种图案布匹瑕疵的在线视觉检测方法，其特征是，通过距离叠加函数以及极值权重分析，精确求取图案布匹纹理基元周期；提取标准纹理基元，并创建无瑕疵基元偏移图像簇；最后提取与待检测图像块间能量信息，依此构建双层分类机制用以决策是否含有瑕疵；

具体包括以下几个步骤：

(1)离线学习过程中纹理基元周期精确求取，包括距离叠加函数求取以及极值权重分析；具体有以下步骤：第一步、计算行和列的距离累加函数；

记标准无瑕疵图像为[f(i，j)]，其中i(1≤i≤p)，j(1≤j≤q)分别为行和列坐标，求取标准无瑕疵图像的每行的距离函数： 将每一行距离累加函数累加，得整幅图像的行距离累加函数为：

其中，δ为像素移动距离，

同样方法得出列距离累加函数为：

然后分别计算行距离累加函数的极小值点，记行距离累加函数的N个极小值点分别为P1，P2，...，PN；

第二步、极值权重分析

首先用冒泡排序法对行距离累加函数的N个极小值点P1，P2，...，PN升序排列，记排列后序列Q为Q1，Q2，...，QN；

然后对于Qj计算其与每一个Qi的距离，其中Qi在升序排列后序列Q中比Qj先出现即1≤i≤j，记Qi所求距离的最小值为Di，可得距离最小值序列D为D1，D2，...，DN，此距离即为此极小值点权重；

最后对Di降序排列，排列后极值点对应顺序即为其权重降序排列表，舍弃权重相对较小极值点；

第三步、计算权重分析后行距离累加函数保留的极小值点间距离之差，选取出现次数最多的距离之差为水平纹理基元周期，记为m；同样方法应用于列距离累加函数，得竖直纹理基元周期，记为n；

第四步、比较水平以及竖直周期关系，修正周期；

(2)离线学习过程中创建标准无瑕疵基元偏移图像簇Lstd，并提取能量以及方差信息构建第一层分类模糊分类器；

(3)在线检测过程中提取待检测基元特征，用模糊分类器分类；

(4)在线检测过程中构建精确分类器，确定最终检测结果。

2.根据权利要求1所述一种图案布匹瑕疵的在线视觉检测方法，其特征是： 所述步骤(2)中模糊分类器构建，包括以下步骤：第一步、首先在标准无瑕疵图像上选取基元周期大小的一块作为模板图像，记无瑕疵基元为Mm×n＝[f(c，d)]，将此无瑕疵基元Mm×n依次偏移，可得到m×n个平移后标准无瑕疵基元的基元簇，保存此m×n个图像序列至Lstd，用作特征提取工具；

第二步、计算随机选取的每一个图像块与m×n个标准无瑕疵基元偏移图像之间的能量，求取此每一个图像块与基元簇所得能量的均值和能量的方差，N个图像块可得N个能量均值和N个能量方差，分别记为ENYn和VARn；

第三步、根据能量均值和能量方差的二维分布确定边界值，确定可能含有瑕疵的基元，边界值求取如下：T11＝(1-λ)*min(ENYn)，T12＝(1+λ)*max(ENYn)T21＝(1-λ)*min(VARn)，T22＝(1+λ)*max(VARn)其中T11、T12、T21和T22分别代表二维分布中能量下限、能量上限、方差下限和方差上限，λ为限定系数。

3.根据权利要求1所述一种图案布匹瑕疵的在线视觉检测方法，其特征是：所述步骤(3)中在线检测提取待检测基元特征并用模糊分类器分类，包括以下步骤：第一步、提取待检测基元特征，在待检测长条区域上，自左向右依次选取基元周期大小的图像块序列用以检测，记Mir为第i个图像块，1≤i≤NUM，NUM为可分图像块数目；求取Mir与标准模板偏移基元序列Lstd间能量之差，记标准模板偏移基元序列Lstd第(a，b)个元素为r rMab＝[fab(c，d)]，待检测基元为Mi＝[fi(c，d)]，其中m和n为基元水平和竖直周期，fab(c，d)和fir(c，d)为基元中元素，1≤c≤m，1≤d≤n，则两个基元间的能量记为：其中N＝m×n

对每一待检测基元Mri均可得m×n个能量值；

则此待检测基元与标准模板偏移基元序列的能量均值为：

此待检测基元与标准模板偏移基元序列的能量方差为：

第二步、判断上步所得ui和vi是否均在训练所提取特征的二维分布空间内，若T11≤ui≤T12且T21≤vi≤T22，对任意i均成立则所检测基元序列均无瑕疵，否则所检测基元序列可能有瑕疵；记u＝[u1，u2，...，unum]，v＝[v1，v2，...，vnum]，则可能含有瑕疵基元索引为：Logic1＝u≤T11||u≥T12||v≤T21||v≥T22；

若sum(Logic1)＝0，说明所检测基元序列均无瑕疵，返回步骤一获取下一帧图像检测，若sum(Logic1)≠0，说明所检测基元序列存在瑕疵，继续步骤(4)做精确分类。

4.根据权利要求3所述一种图案布匹瑕疵的在线视觉检测方法，其特征是：所述步骤(4)中构建精确分类器，包括以下步骤：第一步、计算预处理后提取的待检测长条区域中所有块与标准模板偏移基元序列Lstd中每一元素所得能量矩阵ui(a，b)之和，得大小为m×n的长条区域能量矩阵U：第二步、求取矩阵U中最小值所在坐标(x0，y0)，则(x0-1，y0-1)便是待检测基元与标准基元位置偏移量，即Mr与 纹理相同，第i个待检测基元Mir与 间差异能进一步反应Mir是否为有瑕疵；第i个待检测基元Mir与  间差异矩阵DIFi以及DIFi中所有元素方差值VARi为：记方差值序列VAR＝[VAR1，VAR2，...，VARnum]，求取双向差分得VAR_differ，比较VAR_differ与其均值关系得：Logic2＝VAR_differ＞2*mean(VAR_differ)；

由第一层模糊分类得：Logic1＝u≤T11||u≥T12||v≤T21||v≥T22记Logic＝Logic1&Logic2，若sum(Logic)≠0，则存在瑕疵，标记出瑕疵区域，停机报警；否则进入步骤一检测下一帧图像。