1.基于动态随机共振的CMOS图像传感器信号去噪方法，其特征在于：步骤1、对初始图像进行归一化处理，得到归一化图像；

步骤2、在归一化图像中取若干个低秩补丁；低秩补丁均为5×5的图像块；二维图像块的尺寸为5×5；用各个低秩补丁确定归一化图像的信号依赖噪声参数；归一化图像中每个像素点均对应设置一个二维图像块；根据归一化图像的信号依赖噪声参数来确定每个二维图像块的信号依赖噪声方差σnoise和加性高斯白噪声方差σD；将归一化图像中各二维图像块的信号依赖噪声方差σnoise和加性高斯白噪声方差σD分别代入到式(5)中，分别求得每个二维图像块的系统参数a和b的值；

其中，fs为周期信号的固有频率； σnoise为信号依赖噪声方差；σD为加性高斯白噪声方差；

步骤3、将各二维图像块降维为一维的序列信号；

步骤4、将每个像素点对应的序列信号进行迭代更新如式(6)所示；

其中，x(n+1)为迭代后的结果序列信号，x1(n)为迭代前的序列信号，k1、k2、k3、k4分别为时间起始点、两个中间点、终止点的斜率；n为循环执行的次数；

步骤5、用步骤4所得的各像素点对应的结果序列分别确定去噪后图像中对应像素点的归一化数值，从而获得去噪后图像。

2.根据权利要求1所述的基于动态随机共振的CMOS图像传感器信号去噪方法，其特征在于：确定系统参数a和b表达式(5)的过程如下：①.建立信号依赖噪声驱动的双稳态系统模型如式(1)所示：其中，x表示粒子的位移；t表示时间；a和b表示双稳态系统的两个系统参数；f(t)＝Acos(ωst)表示外部的周期信号；f(t)ξ(t)+η(t)表示系统输入的噪声项；ξ(t)是高斯白噪声；η(t)是高斯白噪声；

②.将郎之万方程在Kramers‑Moyal展开后得到的F‑P方程，计算修正后的势函数U(x)如式(2)所示；

其中，ωs为周期信号的固有角频率；

根据修正后的势函数，计算系统的转移速率；

首先修正的势函数计算平均首通时间T(x0→xc)的近似表达式如式(3)所示：将系统转移速率R(t)近似为如式(4)所示：

根据系统转移速率R(t)，推导求得输出信号和噪声的功率谱密度；

根据推导得到的信号和噪声的功率谱密度，计算系统输出的最大信噪比；结合依据随机共振产生的条件，求得随机共振对图像去噪时最优的系统参数a和b的值如式(5)所示。

3.根据权利要求1所述的基于动态随机共振的CMOS图像传感器信号去噪方法，其特征在于：步骤4中取结果序列的最后一个值为去噪后图像中对应像素点的归一化数值。

4.根据权利要求1所述的基于动态随机共振的CMOS图像传感器信号去噪方法，其特征在于：步骤1中归一化图像的像素值 其中，I(i,j)表示初始图像的灰度值，min和max分别表示初始图像的最小灰度值、最大灰度值。

5.根据权利要求1所述的基于动态随机共振的CMOS图像传感器信号去噪方法，其特征在于：步骤3中，单个二维图像块进行降维的具体过程如下：

3.1、从二维图像块的第一行的第一个像素值开始扫描，直到扫描到第一行的最后一个像素值结束；

3.2、从完成扫描的像素行的下一行第一个像素值开始扫描，直至扫描完本行的最后一个像素值结束；

3.3、重复步骤3.2，直到扫描完二维图像块的最后一个像素值。