1.一种基于二维多路径匹配追踪算法的图像去噪方法，包括如下步骤：

S100：输入含噪图像，将所述含噪图像划分为图像块，并在含噪图像上进行字典学习，以获得匹配图像有效特征的字典；

S200：使用已学习的字典对每个图像块采用广度优先的二维多路径匹配追踪算法和/或深度优先的二维多路径匹配追踪算法进行稀疏表示进而去除每个图像块的噪声；

S300：将已去噪后的图像块重构为一幅完整的去噪后的图像；

步骤S200中的广度优先的二维多路径匹配追踪算法包括如下步骤：

S201：如果初始残差小于给定误差阈值 ，那么稀疏表示矩阵为零矩阵；否则，继续执行步骤S202；

S202：在满足迭代次数 小于目标稀疏度 的情况下，针对每一层集合 中的每一个候选支撑集，依据残差与原子的内积值选择出内积绝对值最大的 个原子，其中L表示路径数， 是非负整数集；

S203：循环遍历每一个路径分支，首先将该路径分支构建成候选集合中的一个临时路径，判断该临时路径是否已经存在于候选集合 中，如果已经存在，则遍历下一个路径分支；否则，更新候选支撑集的索引，将临时路径存放于该索引的位置进行路径更新，最终将临时路径并入候选集合中实现候选集合的更新；接着，根据最小二乘法求解该候选支撑集所对应的系数以及求解该候选支撑集所对应的残差，每一个候选支撑集都保存着对应的系数和残差；此时，就需要对残差进行一个判断，如果该候选支撑集对应的残差小于阈值 ，那么就将该候选支撑集对应的系数赋值于稀疏表示矩阵进行返回输出；

S204：如果达到目标稀疏度仍然没有满足误差阈值要求，那么就找到最小残差所对应着的候选支撑集的索引，根据索引找到其对应的系数，依旧是将该系数赋值于稀疏表示矩阵进行返回输出；

步骤S200中的深度优先的二维多路径匹配追踪算法包括如下步骤：

S211：如果初始残差小于给定误差阈值 ，那么稀疏表示矩阵为零矩阵；否则，继续执行步骤S212；

S212：在满足候选支撑集顺序 小于最大的搜索候选支撑集数量 的情况下，首先根据模数搜索策略计算出搜索的叶结点顺序；然后以目标稀疏度 为约束，使得 从1到开始循环遍历，依据残差与原子的内积值选择出内积绝对值最大的 个原子，其中L表示路径数，选择符合搜索的叶结点顺序的原子在第 层构建一个路径，并保存为该层的一个候选支撑集，每一个候选支撑集也都保存着对应的系数和残差，因此通过最小二乘法求解系数并更新残差；

S213：对残差进行一个判断，如果该候选支撑集对应的残差小于阈值 ，那么就将该候选支撑集对应的系数赋值于稀疏表示矩阵进行返回输出；

S214：深度优先的二维多路径追踪算法在每次完成一个完整的稀疏度遍历时，都会保存下来当前状态下最小的残差值及对应的系数；如果达到最大的搜索候选支撑集数量时仍然没有满足误差阈值要求，则会选择最小残差所对应的系数赋值于稀疏表示矩阵进行返回输出。

2.如权利要求1所述的方法，所述广度优先的二维多路径匹配追踪算法的输入包括：二维信号 、左过完备字典 、右过完备字典 、目标稀疏度 、路径数 和误差 ，其中 是实数集合， 、 、 和 都是非负整数集。

3.如权利要求1所述的方法，所述广度优先的二维多路径匹配追踪算法需要初始化迭代次数、残差和候选集合。

4.如权利要求1所述的方法，所述广度优先的二维多路径匹配追踪算法对每一个候选支撑集都会在下一次稀疏度迭代时衍生出 个搜索路径，每一个候选支撑集都会有各自对应的残差。

5.如权利要求1所述的方法，所述广度优先的二维多路径匹配追踪算法在每次稀疏度迭代时，为该层的所有结点逐一选择 个最佳原子。

6.如权利要求1所述的方法，所述深度优先的二维多路径匹配追踪算法的输入包括：二维信号 、左过完备字典 、右过完备字典 、目标稀疏度 、路径数 、误差 和最大的搜索候选支撑集数量 ，其中 是实数集合， 、、 和 都是非负整数集。

7.如权利要求1所述的方法，所述深度优先的二维多路径匹配追踪算法需要初始化候选支撑集顺序和存储幅值最小的残差。

8.如权利要求1所述的方法，所述深度优先的二维多路径匹配追踪算法使用模数搜索策略来确定搜索顺序。