1.基于NSCT和块匹配滤波的光子计数图像去噪方法，其特征在于：包括如下步骤：步骤1，在不同照度值下得到光子计数图像：源图像A和源图像B，对源图像A和源图像B分别进行非下采样Contourlet变换，获得源图像A的低频子带系数和多个不同方向的高频子带系数以及源图像B的低频子带系数和多个不同方向的高频子带系数；

步骤2，通过单尺度Retinex增强算法处理分解后的低频子带系数；

步骤3，根据图像块的相似度，利用三维块匹配滤波算法处理高频子带系数中线特征保持最好的高频子带系数；

步骤4，根据层间关系得到自适应阈值，并通过自适应阈值处理线特征保持最好的高频子带系数之外的其他的高频子带系数；

步骤5，通过非下采样Contourlet逆变换重构得到光子计数去噪图像；

步骤4中所述的自适应阈值包括如下步骤：

步骤4‑1，对一幅图像进行j层，2^n个方向分解，可得到高频子带系数其中， 分别代表含噪图像，原始图像及噪声在第k尺度，j方向上的系数矩阵；

步骤4‑2，在满足Bayes风险最小条件时，噪声去除阈值满足：2

其中：δn 为噪声方差，δt为图像子带系数信号标准差，c为调节因子，噪声信号的方差δn通过中值估计法求得；

步骤4‑3，根据此能量规则对相同尺度下不同方向系数 的能量比对Bayes‑Shink阈值作出进一步调整，得到：其中：η是第j层的权重比系数 表示第k层第j方向上子带系数的能量比，M和N代表系数矩阵的长和宽， 代表所有每层中所有方向上的能量和；

步骤4‑4，得到自适应阈值公式如下所示：

步骤4‑5，由步骤4‑4得到的自适应阈值公式进一步得到如下公式所示的双阈值函数：其中：sgn()为符号函数，λ为上限阈值，λ1为下限阈值，λ1＝ελ，ε∈(0,1)，Wj,k为子带内的系数。

2.根据权利要求1所述的基于NSCT和块匹配滤波的光子计数图像去噪方法，其特征在于：在所述步骤1中进行所述的非下采样Contourlet变换时，采用由非下采样金字塔变换和非下采样方向滤波器组组成的滤波器实现。

3.根据权利要求1或2所述的基于NSCT和块匹配滤波的光子计数图像去噪方法，其特征在于：所述的非下采样Contourlet变换，包括如下步骤：步骤1‑1，设定分解层数和高频子带系数分解的方向数；

步骤1‑2，运用非下采样金字塔变换对光子计数源图像进行第一级多尺度分析，得到第一级低通子带图和第一级高频带通子带图；

步骤1‑3，运用非下采样方向滤波器组将相同方向不连续的奇异点组合为一个新系数，对第一级高频带通子带图进行方向分析，得到方向子带图；

步骤1‑4，对低通子带图重复进行步骤1‑2和步骤1‑3两个步骤，得到不同尺度上的方向子带图；

步骤1‑5，对非下采样金字塔变换和非下采样方向滤波器组进行重构变换，得到非下采样轮廓波变换后的系数矩阵。

4.根据权利要求1所述的基于NSCT和块匹配滤波的光子计数图像去噪方法，其特征在于：步骤3中所述的三维块匹配滤波算法，包括如下步骤：步骤3‑1，以N×N的大小作为图像上的窗口，按照设定的步长移动，形成多个大小为N×N的图像块，任意选定参考快，将图像不同位置的图像块与参考块逐一测距比较相似性完成分组；

步骤3‑2，对一个具有n个图像块的组，分别滤波得到n个估计值，将匹配好的图像相似块变换到频谱域，通过收缩系数减弱噪声，之后通过逆变换得到每一个图像块的估计值；

步骤3‑3，经过分组和联合滤波之后的每一图像块估计存在有重叠部分，对有重叠的部分进行加权平均。

5.根据权利要求4所述的基于NSCT和块匹配滤波的光子计数图像去噪方法，其特征在2

于：所述不同位置的图像块同样参考块之间相似性的比较方法通过采用欧式距离l测算。