1.基于PCNN和图像熵的各向异性扩散的图像去噪方法，其特征在于，包括以下步骤：(1)采用脉冲耦合神经网络对噪声图像进行处理，得到熵序列En，将En作为边缘检测算子；

(2)进行阈值寻优，得到最优去噪阈值k；

(3)根据步骤(1)求得的边缘检测算子En和步骤(2)求得的最优去噪阈值k，采用改进的各向异性扩散模型对图像进行去噪，所述改进的各向异性扩散模型为

其中，

是高斯核函数，σ为尺度函数，

I表示噪声图像，I0表示原始图像，div表示散度算子，▽表示梯度算子。

2.根据权利要求1所述基于PCNN和图像熵的各向异性扩散的图像去噪方法，其特征在于，步骤(2)的具体过程：(a)初始化去噪阈值 其中，k＝round(k)，round(·)表示取整运算，tk为阈值衰减时间，n为迭代次数；

(b)计算目标的平均灰度μ1(k)和背景的平均灰度μ2(k)；

(c)计算目标交叉熵D1和背景交叉熵D2，再将二者相加，得到整幅图像的交叉熵；

(d)计算整幅图像交叉熵的最小值，将该最小值对应的迭代次数n代入步骤(a)中，得到的k值即为最优去噪阈值。

3.根据权利要求2所述基于PCNN和图像熵的各向异性扩散的图像去噪方法，其特征在于：所述目标的平均灰度

所述背景的平均灰度

其中，f是图像灰度值；h(f)是图像的灰度统计直方图，z是灰度上界。

4.根据权利要求3所述基于PCNN和图像熵的各向异性扩散的图像去噪方法，其特征在于：所述目标交叉熵

所述背景交叉熵

5.根据权利要求2所述基于PCNN和图像熵的各向异性扩散的图像去噪方法，其特征在于：所述阈值衰减时间tk为0.1s。

6.根据权利要求1所述基于PCNN和图像熵的各向异性扩散的图像去噪方法，其特征在于：在步骤(3)中，采用加性算子分裂算法求解所述改进的各向异性扩散模型。