1.一种增强型显微图像降噪恢复方法，其特征在于，该方法包括如下步骤：

1)将高信噪比显微图像进行噪声叠加处理，获得低信噪比显微图像；所述高信噪比显微图像是指图像信噪比值在25dB以上的图像；所述低信噪比显微图像是指相对于高信噪比显微图像，在此基础上加入高斯噪声或椒盐噪声或高斯噪声与椒盐噪声混合噪声的图像；

2)将步骤1)中的成对高、低信噪比显微图像作为训练数据对成对输入到图像降噪神经网络中进行训练，获得训练好的图像降噪神经网络模型；

3)将待测试噪声图像分别与标准高斯噪声图像和标准椒盐噪声图像输入图像判别系统，将待测试噪声图像通过图像相似度计算后，进行噪声水平评估并分类：待测试噪声图像与标准高斯噪声图像的图像相似度计算结果大于待测试噪声图像与标准椒盐噪声图像的图像相似度计算结果时，认为待测试噪声图像与高斯噪声相似，使用图像减法运算法对待测试噪声图像进行预处理；当待测试噪声图像与标准椒盐噪声图像的图像相似度计算结果大于待测试噪声图像与标准高斯噪声图像的图像相似度计算结果时，认为待测试噪声图像与椒盐噪声相似，使用图像加法运算法对待测试噪声图像进行预处理；将待测试噪声图像分别与标准高斯噪声图像、标准椒盐噪声图像做图像相似度计算，当两次计算得到的图像相似度差值小于等于0.01时，认为待测试噪声图像既与高斯噪声相似，又与椒盐噪声相似，对待测试噪声图像先使用图像加法运算法，再使用图像减法运算法进行预处理，得到预处理后的显微图像；

4)利用步骤3)将预处理后的显微图像作为输入，调用步骤2)中训练好的图像降噪神经网络模型，获得降噪恢复后的显微图像，实现显微图像的恢复。

2.根据权利要求1所述的增强型显微图像降噪恢复方法，其特征在于，所述的图像降噪神经网络的结构为：四层卷积层，两层池化层及三层全连接层，网络中所有卷积核大小为5×5。

3.根据权利要求1所述的增强型显微图像降噪恢复方法，其特征在于，步骤3)中，所述标准高斯噪声图像为对黑色背景图片加入均值为0，方差为0.5的高斯噪声所得。

4.根据权利要求1所述的增强型显微图像降噪恢复方法，其特征在于，步骤3)中，所述标准椒盐噪声图像为对黑色背景图片加入噪声密度为0.5的椒盐噪声所得。

5.根据权利要求1所述的增强型显微图像降噪恢复方法，其特征在于，所述的图像减法运算法是指将输入的待测试噪声图像和标准混合噪声图像对应点的像素值相减。

6.根据权利要求5所述的增强型显微图像降噪恢复方法，其特征在于，所述标准混合噪声图像是指黑色背景图片加入均值为0，方差为0.5的高斯噪声和噪声密度为0.5的椒盐噪声得到的图像。

7.根据权利要求1所述的增强型显微图像降噪恢复方法，其特征在于，所述图像加法运算法是指将不同激光强度条件下拍摄得到的待测试噪声图像组进行叠加后取平均。