1.一种基于图像处理的坯布缺陷程度分析方法，其特征在于，包括：获取待测坯布去噪后的表面图像；

将表面图像转换为灰度图，根据排列熵算法获取灰度图中每行及每列像素点的排列熵；

分别获取表面图像的R、G、B三通道图像，对各通道图像进行滑窗遍历，根据每个窗口内每个像素点的通道值进行高斯拟合，获取每个窗口对应的高斯模型；

分别对每个通道图像获得的高斯模型的均值和方差进行曲线拟合，得到均值曲线和方差曲线；

分别利用每个通道图像得到的均值曲线和方差曲线中的离散数据的数量计算各通道图像的特征参数；

根据各通道图像的特征参数获取待测坯布的颜色特征参数；

利用待测坯布表面图像的每行每列像素点的排列熵和颜色特征参数计算得到待测坯布的缺陷程度；

所述待测坯布的颜色特征参数是按照如下方式获取：统计各通道图像对应的均值序列中偏离均值曲线的均值个数和方差序列中偏离方差曲线的方差个数；

利用各通道图像对应的均值序列中偏离均值曲线的均值个数和方差序列中偏离方差曲线的方差个数计算得到各通道图像的特征参数；

计算所有通道图像的特征参数的均值，获取待测坯布的颜色特征参数；

所述各通道图像的特征参数的表达式如下：

式中，C

所述待测坯布的缺陷程度是按照如下方式得到：基于待测坯布各行列像素点的排列熵和颜色特征参数建立坯布缺陷程度计算模型，得到待测坯布的缺陷程度；

所述坯布缺陷程度计算模型的表达式如下：

式中，Def为待测坯布的缺陷程度值，C为待测坯布的颜色特征参数，由R、G、B三通道图像的特征参数的均值得到，h

2.根据权利要求1所述的一种基于图像处理的坯布缺陷程度分析方法，其特征在于，所述灰度图中每行及每列像素点的排列熵是按照如下方式获取：对表面图像进行灰度化处理，得到灰度图；

根据灰度图每行及每列像素点的灰度值，获取灰度图各行及各列像素点的原始序列；

将各行及各列像素点的原始序列作为时间序列，利用排列熵算法获取每行及每列像素点在不同嵌入维度下的排列熵；

将各行及各列像素点在不同嵌入维度下的排列熵进行加权求均值，获取灰度图中每行及每列像素点的排列熵。

3.根据权利要求1或2所述的一种基于图像处理的坯布缺陷程度分析方法，其特征在于，所述每行及每列像素点的排列熵的表达式如下：式中，h

4.根据权利要求1所述的一种基于图像处理的坯布缺陷程度分析方法，其特征在于，所述均值曲线和方差曲线是按照如下方式得到：对表面图像进行通道分离，获取表面图像的R通道图像、G通道图像、B通道图像；

对各通道图像进行滑窗遍历，得到所有窗口；

根据每个窗口内每个像素点的通道值拟合高斯模型，得到各通道图像所有高斯模型的均值和方差；

根据所有高斯模型的均值和方差得到各通道图像的均值序列和方差序列；

从均值序列中迭代选取相同预设数量的数据点，对每次选取的数据点进行曲线拟合，得到不同的均值拟合曲线，将包含最多数据点的均值拟合曲线作为均值曲线；从方差序列中迭代选取相同所述预设数量的数据点，对每次选取的数据点进行曲线拟合，得到不同的方差拟合曲线，将包含最多数据点的方差拟合曲线作为方差曲线，得到各通道图像的均值曲线和方差曲线，所述预设数量小于窗口数量。