1.基于变换域的三维匹配调和滤波图像去噪方法，其特征在于：具体包括如下步骤：步骤一，将采集到的原始图像依次进行灰度转换和加噪处理，则加噪处理后的图像具体如下式(1)所示：I0(x,y)＝I(x,y)+n(x,y)(x,y∈R)                   (1)其中，I0表示加噪图像，I为原始图像，n表示均值为0，方差为σ2的高斯噪声，R为图像的定义域，(x,y)表示图像域的二维空间坐标；

步骤二，将加噪处理后的图像转换为三维数组进行预估计操作；

步骤三：对预估计操作后的图像进行小波分解，提取其高频部分进行滤波处理；为避免边缘模糊，引用拉普拉斯高斯算法构建新滤波算子带入扩散模型，最后小波重构以得到原始图像的最终逼近；

步骤四：利用Canny算子对去噪处理后的图像进行边缘检测，并通过计算峰值信噪比和结构相似比，分析去噪算法的有效性。

2.根据权利要求1所述的基于变换域的三维匹配调和滤波图像去噪方法，其特征在于：在步骤一中，灰度转换利用MATLAB的rgb2gray函数将采集到的RGB图像转换为灰度图像；图像加噪处理利用MATLAB的imnoise函数添加高斯噪声来验证去噪模型的有效性，其调用格式为J＝imnoise(I,’gaussian’,m,v),其中，I表示原始图像，gaussian在MATLAB中表示高斯噪声，m为高斯噪声均值，m的默认值为0，v为高斯噪声的方差。

3.根据权利要求1所述的基于变换域的三维匹配调和滤波图像去噪方法，其特征在于：所述步骤二具体如下：将相似的二维图像块组合成三维数组矩阵，进行联合滤波，而后对三维数组进行逆变换并加权平均以消除图像块重叠部分，得到含噪图像的预估计。

4.根据权利要求4所述的基于变换域的三维匹配调和滤波图像去噪方法，其特征在于：扩散模型具体如下：

式(2)中， 表示预估计图像， 表示最终估计，div为散度算子、为梯度算子，W表示对图像进行小波变换分解，与梯度信息相关的递减函数c[·]用来控制不同位置的扩散程度。

5.根据权利要求1所述的基于变换域的三维匹配调和滤波图像去噪方法，其特征在于：新滤波算子的具体表达式如下：

式(3)中， 表示预估计图像，x,y分别表示图像域的二维空间坐标；将式(3)带入(2)式，并建立新的扩散模型，即：式(4)中， 以增强图像边缘，控制扩散速度， 表示预估计图像，表示最终估计，div为散度算子、为梯度算子，W表示对图像进行小波变换分解，其中为高斯核函数，σ为平滑尺度。

6.根据权利要求1所述的基于变换域的三维匹配调和滤波图像去噪方法，其特征在于：峰值信噪比的计算公式为：

其中，W×H表示图像的分辨率，I表示初始图像，表示最终估计图像。