1.基于单分类支持向量机的织物疵点检测方法，其特征在于：其步骤为：(1)获取无疵点织物图像，采用随机漂移粒子群优化(RDPSO)算法优化Gabor滤波器的参数，构造最适应无疵点织物图像纹理特征的单个最优Gabor滤波器；

(2)采用RDPSO算法优化单分类支持向量机(SVM)的参数；

(3)对待检测的织物图像进行Gabor卷积滤波；

(4)基于灰度共生矩阵(GLCM)在滤波后图像上提取一组纹理特征；

(5)采用单分类SVM进行疵点判别。

2.根据权利要求1所述的方法，其特征在于：步骤(1)包括以下步骤：(1.1)构造二维空间域Gabor滤波函数，经二维傅里叶变换得到频率域Gabor滤波函数，需要优化的Gabor滤波器的参数为(σx，σy，λ，θ)；

(1.2)对无疵点织物图像进行Gabor卷积变换，基于Fisher准则构造适应度函数，采用RDPSO算法优化得到最优Gabor滤波器的参数(σx，σy，λ，θ)，构造最适应无疵点织物图像纹理特征的单个最优Gabor滤波器。

3.根据权利要求1所述的方法，其特征在于：步骤(2)包括以下步骤：(2.1)将无疵点的织物图像与最优的Gabor滤波器进行卷积，得到滤波后图像；

(2.2)基于GLCM在滤波后图像上提取纹理特征，构成特征向量，作为单分类SVM的训练样本；

(2.3)采用基于超球体思想的支持向量数据描述(SVDD)作为单分类SVM方法，通过RDPSO算法优化确定SVDD的两个参数C和σ。