1.一种基于高斯混合模型的织物缺陷检测方法，其特征在于，该方法包括以下步骤：获取待检测织物的图像和对应的无缺陷织物的图像；分别对待检测织物的图像和对应的无缺陷织物的图像进行分块处理，得到各第一分块图像和各参考分块图像；

计算各第一分块图像与各参考分块图像的匹配数量比和平均匹配距离；根据所述各第一分块图像与各参考分块图像的匹配数量比和平均匹配距离，计算各第一分块图像与各参考分块图像的匹配度；根据各第一分块图像与各参考分块图像的匹配度，得到与各第一分块图像匹配度最大的参考分块图像；

根据各第一分块图像中像素点的像素值，得到各第一分布曲线；根据各参考分块图像中像素点的像素值，得到各参考分布曲线；根据各第一分布曲线上各像素点与对应的匹配度最大的参考分块图像的参考分布曲线上相匹配的像素点的概率密度，得到各第一分块图像对应的累计距离曲线；

对所述各第一分块图像对应的累计距离曲线进行变点检测；若某第一分块图像对应的累计距离曲线存在变点，则根据对应变点的数量和变点对应的像素值得到该第一分块图像的缺陷区域。

2.根据权利要求1所述的一种基于高斯混合模型的织物缺陷检测方法，其特征在于，计算各第一分块图像与各参考分块图像的匹配数量比和平均匹配距离，包括：采用如下公式计算各第一分块图像与各参考分块图像的匹配数量比：

其中，Mq为某第一分块图像与某参考分块图像的匹配数量比，n为该参考分块图像中特征点的数量，N为该第一分块图像中特征点的数量。

采用如下公式计算各第一分块图像与各参考分块图像的平均匹配距离：

其中，Md为某第一分块图像与某参考分块图像的平均匹配距离，da为该第一分块图像中第a个特征点和其在参考分块图像中相匹配的特征点的欧式距离。

3.根据权利要求1所述的一种基于高斯混合模型的织物缺陷检测方法，其特征在于，采用如下公式计算各第一分块图像与各参考分块图像的匹配度：M＝Mq*Md

其中，M为某第一分块图像与某参考分块图像的匹配度，Mq为该第一分块图像与该参考分块图像的匹配数量比，Md为该第一分块图像与该参考分块图像的平均匹配距离。

4.根据权利要求1所述的一种基于高斯混合模型的织物缺陷检测方法，其特征在于，所述根据各第一分块图像中像素点的像素值，得到各第一分布曲线，包括：根据各第一分块图像中像素点的像素值，得到各第一分块图像对应的直方图；

根据所述各第一分块图像对应的直方图，得到各第一分块图像的混合高斯分布；

根据所述各第一分块图像的混合高斯分布，得到各第一分布曲线。

5.根据权利要求1所述的一种基于高斯混合模型的织物缺陷检测方法，其特征在于，所述根据各参考分块图像中像素点的像素值，得到各参考分布曲线，包括：根据各参考分块图像中像素点的像素值，得到各参考分块图像对应的直方图；

根据所述各参考分块图像对应的直方图，得到各参考分块图像的混合高斯分布；

根据所述各参考分块图像的混合高斯分布，得到各参考分布曲线。

6.根据权利要求1所述的一种基于高斯混合模型的织物缺陷检测方法，其特征在于，所述根据各第一分布曲线上各像素点与对应的匹配度最大的参考分块图像的参考分布曲线上相匹配的像素点的概率密度，得到各第一分块图像对应的累计距离曲线，包括：根据各第一分布曲线上各像素点与对应的匹配度最大的参考分块图像的参考分布曲线上相匹配的像素点的概率密度，计算各第一分块图像中各像素点的累计距离；

根据所述各第一分块图像中各像素点的累计距离，得到各第一分块图像对应的累计距离曲线；所述累计距离曲线的横坐标为各像素值的标号，纵坐标为各像素值对应的累计距离。

7.根据权利要求6所述的一种基于高斯混合模型的织物缺陷检测方法，其特征在于，采用如下公式计算各第一分块图像中各像素点的累计距离：其中，d′i为某第一分块图像中第i个像素点的累计距离， 为该第一分块图像对应的第一分布曲线上第j个像素点的概率密度， 为该第一分块图像对应的第一分布曲线上第j个像素点和其在对应的参考分块图像中相匹配的第k个像素点的概率密度，mj为该第一分块图像中第j个像素点与其在对应的参考分块图像中匹配的像素点的个数。

8.根据权利要求1所述的一种基于高斯混合模型的织物缺陷检测方法，其特征在于，所述根据对应变点的数量和变点对应的像素值得到该第一分块图像的缺陷区域，包括：若该第一分块图像对应的累计距离曲线上变点数量为1，则将变点对应的像素值到该第一分块图像最大像素值之间所有像素值对应的像素点判定为该第一分块图像的缺陷区域内的像素点；

若该第一分块图像对应的累计距离曲线上变点数量为2，则将两个变点之间的像素值对应的像素点判定为该第一分块图像的缺陷区域内的像素点。