1.一种基于噪声预测的图像去噪方法，其特征在于，对单张原始图像进行压缩得到冗余信息，对冗余信息进行非均质处理得到多张含不同强度噪声信息的图像，由原始噪声图像和各张含不同强度噪声信息的图像的差构成观测图像序列，对观测图像序列进行盲源分离得到最后的去噪图像。

2.根据权利要求1所述的一种基于噪声预测的图像去噪方法，其特征在于，通过KSVD算法对原始噪声图像进行字典压缩得到稀疏后的冗余信息，所述冗余信息含有噪声信息和图像细节信息。

3.根据权利要求1所述一种基于噪声预测的图像去噪方法，其特征在于，采用不动点独立成分分析FastICA算法对观测图像序列进行盲源分离得到最后的去噪图像。

4.一种基于噪声预测的图像去噪方法，其特征在于，对原始噪声图像序列进行压缩得到冗余信息图像序列，对冗余信息图像序列进行邻域内相似性变换得到新的含噪图像序列，利用盲源分离中高阶统计独立分量标准方差或方差的方法从新的含噪图像序列中分离出图像信息。

5.根据权利要求4所述一种基于噪声预测的图像去噪方法，其特征在于，利用盲源分离中高阶统计独立分量标准方差或方差的方法从新的含噪图像序列中分离出图像信息，具体方法为：以冗余信息图像中的噪声信息和图像有用信息为独立分量进行盲源分离，统计被分离出的每个独立分量的标准方差或方差，依据独立分量标准方差或方差的特性筛选出图像有用信息独立分量。

6.根据权利要求4所述一种基于噪声预测的图像去噪方法，其特征在于，对原始噪声图像序列进行压缩得到冗余信息图像序列的方法为：首先，对原始噪声图像序列进行灰度处理，然后，通过KSVD算法对灰度处理后的原始噪声图像序列进行字典压缩得到稀疏后的冗余图像序列。