1.一种基于周期性花纹织物的缺陷检测方法，其特征在于，该方法包括：基于时间序列采集多帧织物图像，将每帧所述织物图像转化成灰度图像，以获取所述灰度图像的频谱图像；

利用最大类间阈值法将所述频谱图像简化为二值图像，以所述二值图像的中心点为原点获取其对角线中的任意一个半截对角线，分别以所述半截对角线上的每个像素点作为对应矩形区域的角点，根据矩形区域的边缘像素点的像素值分别获取所述半截对角线上每个像素点对应的局部灰度变化信息，由所述局部灰度变化信息得到所述二值图像的全局灰度特征；

基于织物花纹的周期性和一致性，结合所有所述织物图像对应的采集时间获取每帧所述织物图像的花纹不规律程度，利用所有所述织物图像对应的所述全局灰度特征计算每帧所述织物图像对应所述全局灰度特征的离群程度；结合所述花纹不规律程度和所述离群程度获取对应所述织物图像的灰度信息异常程度；

基于所述灰度信息异常程度，由所述全局灰度特征来确认织物缺陷类型。

2.如权利要求1所述的方法，其特征在于，所述二值图像的获取方法，包括：利用最大类间阈值法获取所述频谱图像的最佳分割阈值，将所述频谱图像中大于或等于最佳分割阈值的像素值置为1，小于最佳分割阈值的像素值置为0。

3.如权利要求2所述的方法，其特征在于，所述根据矩形区域的边缘像素点的像素值分别获取所述半截对角线上每个像素点对应的局部灰度变化信息的方法，包括：统计所述半截对角线上像素点对应矩形区域中边缘像素点的像素值为1的数量和该矩形区域中边缘像素点的总数量；计算数量与总数量之间的比值，将该比值作为所述半截对角线上对应像素点的所述局部灰度变化信息。

4.如权利要求1所述的方法，其特征在于，所述全局灰度特征的获取方法，包括：将所述半截对角线上每个像素点的所述局部灰度变化信息构成对角描述序列，根据所述对角描述序列中所述局部灰度变化信息之间的差异获取高频位置和低频位置的分割点；

根据所述分割点得到所述二值图像中的高频信息和低频信息，计算所述高频信息和所述低频信息之间的比值，将所述比值作为对应所述织物图像的所述全局灰度特征。

5.如权利要求4所述的方法，其特征在于，所述分割点的获取方法，包括：获取所述对角描述序列对应的差值序列，所述差值序列中的每个差值是由所述对角描述序列中相邻局部灰度变化信息之间的差值得到的；

将所述差值序列中差值最大值所对应的两个局部灰度变化信息中的前一个局部灰度变化信息作为分割点。

6.如权利要求4所述的方法，其特征在于，所述根据所述分割点得到高频信息和低频信息的方法，包括：基于所述对角描述序列，将所述分割点左侧的所有局部灰度变化信息之和作为所述低频信息、所述分割点右侧的所有局部灰度变化信息之和作为所述高频信息。

7.如权利要求1所述的方法，其特征在于，所述结合所有所述织物图像对应的采集时间获取每帧所述织物图像的花纹不规律程度的方法，包括：获取每帧所述织物图像的所述全局灰度特征，将采集的多帧所述织物图像按照其采集时间顺序构成全局灰度特征序列；

对所述全局灰度特征序列中的所述全局灰度特征进行一维密度聚类，得到聚类后的多个类别；根据每帧所述织物图像对应的采集时间获取同类别内所有织物图像的平均时间间隔；

结合当前帧与其同类别中左右相邻帧对应采集时间的时间差异，以及当前帧所属类别的所述平均时间间隔计算当前帧的所述花纹不规律程度。

8.如权利要求1所述的方法，其特征在于，所述利用所有所述织物图像对应的所述全局灰度特征计算每帧所述织物图像对应所述全局灰度特征的离群程度的方法，包括：获取当前帧所属类别中众数对应的所述全局灰度特征，计算该类别中各个所述全局灰度特征与其之间的平均差异；

由所述平均差异、所述众数对应的所述全局灰度特征和当前帧的所述全局灰度特征计算当前帧对应所述全局灰度特征的所述离群程度。

9.如权利要求1所述的方法，其特征在于，所述结合所述花纹不规律程度和所述离群程度获取对应所述织物图像的灰度信息异常程度的方法，包括：所述花纹不规律程度和所述离群程度之间的乘积为对应所述织物图像的所述灰度信息异常程度。

10.如权利要求1所述的方法，其特征在于，所述织物缺陷类型的确认方法，包括：设置异常阈值，当所述灰度信息异常程度大于所述异常阈值时，确认对应所述织物图像存在缺陷，进而根据该织物图像的所述全局灰度特征判断织物缺陷类型。