1.一种基于低秩理论的图像去噪算法，其特征在于包括以下几个步骤：步骤1)对含噪图像进行分块，通过空域块匹配获取初步块匹配结果，首先应将图像进行分块，将图像分为m×m的方块，步长为d，d

步骤2)在空域匹配的基础上进行变换域匹配，获取图像块最终匹配结果，包括：步骤2.1)对当前块和某一个初始匹配块所组成的二维矩阵进行奇异值分解，获取奇异值矩阵；

步骤2.2)对所有的奇异值矩阵，对奇异值σi1和σi2求比值运算，得到比值Ri，Ri的获取依靠下式：步骤2.3)对由比值Ri组成的数组从大到小排序，排序靠前表示相似程度高，排序靠后表示相似度比较低；

步骤2.4)根据图像噪声强度，通过比值Ri对相似块进行选取，选取S1-1个相似块，即为块匹配的最终匹配结果，噪声强度较小，则污染程度低，选取较少的相似块即可达到去噪目的，反之，则需要选取较多的相似块来消除强噪声污染；

步骤3)对当前图像块和选取的匹配块所组成的三维矩阵进行降维处理，并对降维后的二维矩阵进行奇异值分解；

步骤4)对奇异值进行加权处理，包括：

步骤4.1)通过奇异值大小和噪声大小来设置权值由于X的奇异值是不可知的，假设噪声均匀的分布在噪声空间，则可以根据下式求得：其中σi(Y)是Y的第i个奇异值；

步骤4.2)根据图像熵设置权值：

图像熵计算公式为：

X(i,j)为图像灰度值，p[X(i,j)]为该灰度值出现的概率，则权值设置为：步骤5)重建去噪图像；

步骤6)通过迭代，获取更好的去噪结果。