1.一种图像去噪方法，其特征在于，应用于一电子设备，所述方法包括：获取含有混合噪声的待去噪图像；

对所述待去噪图像进行滤波处理，获得初始图像；

基于所述初始图像，构造多个结构组；

对所述多个结构组中的每个结构组进行字典构造，获得所述每个结构组对应的学习字典；

基于所述每个结构组对应的学习字典，建立混合噪声去除模型；

对所述混合噪声去除模型进行循环迭代计算，直到满足预设迭代次数，输出去噪后的图像。

2.根据权利要求1所述的方法，其特征在于，所述基于所述初始图像，构造多个结构组，包括：将所述初始图像划分为多个图像块；

基于块匹配算法，分别对所述多个图像块中的每个图像块进行相邻块搜索，根据搜索结果获得所述每个图像块对应的多个相似图像块；

将所述每个图像块对应的多个相似图像块构成一个结构组，以获得多个结构组。

3.根据权利要求1所述的方法，其特征在于，所述对所述多个结构组中的每个结构组进行字典构造，获得所述每个结构组对应的学习字典，包括：基于奇异值分解方法对所述多个结构组中的每个结构组进行字典构造，获得所述每个结构组对应的学习字典。

4.根据权利要求1所述的方法，其特征在于，所述基于所述每个结构组对应的学习字典，建立混合噪声去除模型，包括：建立混合噪声去除模型为：

其中， 为编码系数向量的估计值，wG为结构组加权矩阵， 为第i个结构组加权矩阵， 表示为 a为大于0的常数，y为所述待去噪图像， 为所述多个结构组中第i个结构组对应的学习字典，φG为所有 的组合，αG为所述多个结构组中第i个结构组对应的稀疏编码系数矩阵，αG为所有 的组合，λ表示正则化因子，||αG||0表示αG的l0范数。

5.根据权利要求4所述的方法，其特征在于，所述对所述混合噪声去除模型进行循环迭代计算，直到满足预设迭代次数，输出去噪后的图像，包括：调用分离Bregman迭代算法求解计算所述混合噪声去除模型直到满足预设迭代次数，输出去噪后的图像。

6.根据权利要求5所述的方法，其特征在于，所述预设迭代次数为K，所述调用分离Bregman迭代算法求解计算所述混合噪声去除模型直到满足预设迭代次数，输出去噪后的图像，包括：定义 g(αG)＝λ||αG||0以及u＝φGαG；

调用分离Bregman迭代算法，将 转化为以下三个式子分别进行求解：

以及 μ，λ均表示对于0的正则化因子；

给定αG，针对 对u求偏导数，计算得到u的估计值 I表示恒等矩阵；

给定u，针对 对αG求偏导数，计算得到αG的估计值 Τ＝(λ×Bs×c)/(μN)表示一个阈值，N表示图像矩阵的行数或列数， 表示学习字典 的逆矩阵，hard(·)表示硬阈值算子，⊙表示两个向量的Hadamard积运算，1表示所有元素均为1的向量；

基于 计算u(k+1)；

计算r(k+1)＝u(k+1)-b(k+1)，Τ＝(λ×Bs×c)/(μN)；

计算 更新残差e(k)＝y-x(k)，根据 计算结构组权重wG；

将所有的学习字典 聚合以更新字典φG；

将所有的稀疏编码系数聚合以更新

(k+1)

基于 更新b ；

基于以上，进行K次循环迭代运算后，输出去噪后的图像x＝φGαG(K)。

7.根据权利要求1所述的方法，其特征在于，所述对所述待去噪图像进行滤波处理，获得初始图像，包括：基于自适应中值滤波算法对所述待去噪图像进行滤波处理，获得初始图像。

8.一种图像去噪装置，其特征在于，运行于一电子设备，所述装置包括：获取单元，用于获取含有混合噪声的待去噪图像；

滤波单元，用于对所述待去噪图像进行滤波处理，获得初始图像；

结构组构造单元，用于基于所述初始图像，构造多个结构组；

字典构造单元，用于对所述多个结构组中的每个结构组进行字典构造，获得所述每个结构组对应的学习字典；

建立单元，用于基于所述每个结构组对应的学习字典，建立混合噪声去除模型；

迭代计算单元，用于对所述混合噪声去除模型进行循环迭代计算，直到满足预设迭代次数，输出去噪后的图像。

9.根据权利要求8所述的装置，其特征在于，所述结构组构造单元，用于：将所述初始图像划分为多个图像块；基于块匹配算法，分别对所述多个图像块中的每个图像块进行相邻块搜索，根据搜索结果获得所述每个图像块对应的多个相似图像块；将所述每个图像块对应的多个相似图像块构成一个结构组，以获得多个结构组。

10.根据权利要求8所述的装置，其特征在于，所述字典构造单元，用于基于奇异值分解方法对所述多个结构组中的每个结构组进行字典构造，获得所述每个结构组对应的学习字典。