1.一种基于局部统计特征的桥梁拉索图像外观缺陷检测方法，其特征在于包括以下步骤：步骤1，采样帧获取：输入爬索机器人视频数据，对视频数据进行动态解码获得连续帧图像作为采样帧；

步骤2，提取图像帧：根据视频基本信息设置采样间隔，对采样帧进行采样提取图像帧；

步骤3，图像灰度化：对图像帧进行灰度化处理；

步骤4，图像分块处理：根据灰度图像的大小，对灰度图像中的图像区域进行分块；

步骤5，块统计特征提取：对各个图像块进行统计特征提取，并计算各统计特征的相关系数，选取相关系数大的统计特征组成特征向量组；

步骤6，特征阈值筛选：利用特征向量组进行疑似缺陷图像提取；

步骤7，形态学大津法分割处理：采用数学形态学与大津法结合的图像分割算法对疑似缺陷图像进行分割，获得桥梁拉索外观缺陷图像；

所述数学形态学与大津法结合的图像分割算法的具体步骤为：步骤A1：计算疑似缺陷图像的初始阈值T0；

步骤A2：对所述疑似缺陷图像进行形态学处理，获得待分割图像；

步骤A3：根据初始阈值T0，将所述待分割图像分成目标区域和背景区域两部分，分别计算目标区域和背景区域的灰度值均值 以及标准差步骤A4：采用遍历的方法反复迭代计算灰度值均值 以及标准差 同时按照公式 计算分割阈值Tk，k为迭代次数，并在迭代过程中根据迭代终止条件判断是否终止迭代，若是则当前分割阈值Tk为最佳分割阈值，输出桥梁拉索外观缺陷图像，否则利用分割阈值Tk对目标区域图像进行分割，进行下一次迭代计算；

步骤A2中所述形态学处理过程的具体步骤为：

步骤s1：通过结构元素对每幅疑似缺陷图像I进行腐蚀处理，去除细小噪声点的干扰，在纤细点处分离目标得到图像Ie；

步骤s2：通过图像I与图像Ie进行形态学重建，得到图像Iobr；

步骤s3：对图像Iobr进行膨胀处理，填充目标内的细小空洞，连接相邻像素点，得到图像Iobrd；

步骤s4：将图像Iobr与图像Iobrd进行形态学重建，获得待分割图像。

2.根据权利要求1所述的基于局部统计特征的桥梁拉索图像外观缺陷检测方法，其特征在于：步骤2中所述视频基本信息包括数据采集时摄像头移动速度、视频质量、数据格式以及摄像头视场内覆盖范围大小，所述采样间隔为10～50帧。

3.根据权利要求2所述的基于局部统计特征的桥梁拉索图像外观缺陷检测方法，其特征在于：步骤2中采样所得到的图像帧能够完全覆盖桥梁拉索外观。

4.根据权利要求1所述的基于局部统计特征的桥梁拉索图像外观缺陷检测方法，其特征在于：步骤3中对图像帧进行灰度化处理时，根据图像帧的数据类型，选择不同的图像灰度化方法将彩色图像转为灰度图像。

5.根据权利要求1所述的基于局部统计特征的桥梁拉索图像外观缺陷检测方法，其特征在于：所述特征向量组包括灰度方差、信息熵、极差。

6.根据权利要求1所述的基于局部统计特征的桥梁拉索图像外观缺陷检测方法，其特征在于：所述结构元素为圆盘形、正方形、菱形、六边形、十字形、线段形中的一种。

7.根据权利要求1所述的基于局部统计特征的桥梁拉索图像外观缺陷检测方法，其特征在于：所述结构元素为5×5圆盘形结构元素。

8.根据权利要求1所述的基于局部统计特征的桥梁拉索图像外观缺陷检测方法，其特征在于：步骤A4中所述迭代终止条件为 其中 分别为目标区域图像灰度值均值与标准差， 分别为背景区域的灰度值均值与标准差，α∈(2,3)。