1.一种并发结构纹理图像处理方法，其特征在于，包括：

1)、获取待处理图像，并在多任务图像处理优化模型中输入待处理的图像和用户初始化参数；所述用户初始化参数包括：结构和纹理分割类别数目N与M、初始的结构纹理图像u(0),v(0)初始标记I(0),L(0)；图像块大小p,q；字典大小m1＝m2＝...＝mM＝(2×q)2；平衡参数λ,η和TV校正参数μ；

2)、根据迭代次数，对多任务图像处理优化模型中的目标泛函中的参数Ci，αj，Dj进行更新，其中，i＝1,2,...,N,j＝1,2,...,M；

3)、根据迭代次数及多任务图像处理优化模型中更新的参数，对分割区域的隶属度函数I(x)和L(x)进行更新；

4)、根据迭代次数更新结构成分u(x)和纹理成分v(x)；

5)、重复步骤2)到4)直至迭代次数达到最大或能量泛函趋于稳定，结束运算，输出结构成分u(x)、纹理成分v(x)、结构成分的分割隶属度函数I(x)、纹理成分的分割隶属度函数L(x)及学习字典D，完成图像的多任务处理。

2.根据权利要求1所述的并发结构纹理图像处理方法，其特征在于，所述多任务图像处理优化模型为：其中，原始图像 是有界开集，图像的结构成分为u(x)，纹

理成分为v(x)；令R为抽取图像块算子， 表示以图像f(x)的x位置为心，抽取大小为 的图像块，并表示为n维向量形式；模型中，Ci(i＝1:N)是常值向量，表示结构成分u(x)在第i个子区域Ωi的块均值，N表示结构成分u(x)的分割区域数， 表示带有类标的结构字典D＝[D1,...,Dj,...,DM]的原子个数，mj表示子字典Dj的原子个数，M表示图像纹理的分割区域数。通过学习带有类标的结构字典D，使得第j类图像块的纹理结构能够被子字典 每个子字典的大小为n×mj。记A(x)＝[α1(x),...,αj(x),...,αN(x)]，αj(x)是纹理成分在子字典Dj上的稀疏表示系数，令I＝[I1,...,Ii,...,IN],L＝[L1,...,Li,...,LM]，其中Ii,Lj:Ω→{0,1}i＝1,2,...,N,j＝1,2,...,M是隶属度函数，分别指示图像结构成分和纹理成分的分割子区域，上标(k)表示第k次迭代的结果。

3.根据权利要求2所述的并发结构纹理图像处理方法，其特征在于，所述步骤2)中对多任务图像处理优化模型中的目标泛函中的参数Ci,αj,Dj进行更新具体包括：步骤2.1、按以下公式更新参数Ci：

步骤2.2、使用标准的正交匹配追踪算法求解下面的优化问题更新参数αj：步骤2.3、按以下公式更新参数Dj：

其中， 是规范化算子使得字典原子的模为1。

4.根据权利要求2所述的并发结构纹理图像处理方法，其特征在于，所述步骤3)具体过程包括：步骤3.1、当I(x)≠L(x)，按以下公式更新指示两种成分分割区域的隶属度函数I(x),L(x)：其中，

步骤3.2、当I(x)＝L(x)，按以下公式更新隶属度函数I(x)：其中，

5.根据权利要求2所述的并发结构纹理图像处理方法，其特征在于，所述步骤4)更新结构成分u(x)和纹理成分v(x)具体过程包括：步骤4.1、按以下公式更新结构成分u(x)：

其中，E是单位矩阵，u(k+1,1/2)表示重构的结构成分；

步骤4.2、使用经典的Chambolle对偶投影算法求解以下优化问题，校正重构的结构成分；

步骤4.3，按以下公式更新纹理成分v(x)：

其中，E是单位矩阵。

6.根据权利要求2所述的并发结构纹理图像处理方法，其特征在于，所述所骤5)能量泛函趋于稳定具体为：相对泛函能量的变化(F(k+1)-F(k))/F(k)不超过0.01。