1.一种基于混合鲁棒权重和方法噪声的图像去噪方法，其特征在于，首先对现有的鲁棒权重函数进行改进，结合几种鲁棒权重函数的优劣，设计出一个新的混合鲁棒权重函数，并用其替换原非局部均值方法中的指数型函数来计算相似性权重；然后利用预去噪图像得到方法噪声，充分提取方法噪声中包含的残余信息；最后将混合鲁棒权重函数与方法噪声应用于两级非局部均值去噪算法中；具体步骤如下：(1)输入一幅含噪图像Y＝{y(i)|i＝1,2,…,n}，其中y(i)为像素i的灰度值，n为像素总数；采用双边滤波BF算法对含噪图像Y进行预去噪处理，得到预去噪图像Dpre＝{dpre(i)|i＝1,2,…,n}：其中，i,j分别为图像中的第i个像素和第j个像素，Ni表示以像素i为中心的邻域块，大小取为5×5，dist(i,j)为像素i,j之间的欧氏距离，参数σS和σG分别表示空间邻近度系数和灰度相似性系数，σS值取3.0，σG值取0.7σ，σ为图像的噪声标准差，ω(i)为归一化项；

(2)对含噪图像Y采用基于混合鲁棒权重的非局部均值去噪方法HRW-NLM进行第一级去噪，得到初始去噪图像Dfirst＝{dfirst(i)|i＝1,2,…,n}：其中，w(i,j)表示以像素i,j为中心的两图像块之间的相似性权重函数，满足非负性0≤w(i,j)≤1和正则性 Pi表示以像素i为中心的3×3图像块，Pj表示以像素j为中心的3×3图像块，y(Pi)＝{y(j)|j∈Pi}，y(Pj)＝{y(i)|i∈Pj}，将图像块中各像素的灰度值以向量形式表示，||·||2表示2-范数，h为滤波参数，对图像平滑的程度加以控制，Z(i)为归一化项，将相似性权重函数w(i,j)值限定在[0,1]内；

(3)将步骤(1)得到的预去噪图像Dpre和步骤(2)得到的初始去噪图像Dfirst相减，得到方法噪声R′＝Dpre-Dfirst＝{dpre(i)-dfirst(i)|i＝1,2,…,n}；

(4)对方法噪声R′进行3×3邻域平均处理，即分别以图像中的每一像素为中心，对其3×3邻域内的各像素求灰度平均值，并以灰度平均值作为当前像素的灰度值，得到补偿图像Dcomp＝{dcomp(i)|i＝1,2,…,n}；

(5)将步骤(4)得到的补偿图像Dcomp与初始去噪图像Dfirst进行叠加，得到中间图像Dinter＝Dcomp+Dfirst＝{dcomp(i)+dfirst(i)|i＝1,2,…,n}；

(6)对中间图像Dinter采用非局部均值去噪方法NLM进行后处理，得到最终去噪图像