1.一种混合高斯脉冲噪声图像中的离群点识别方法，其特征在于：该方法包括下列顺序的步骤：

(1)对目标像素点局部邻域进行子空间和子块划分；

(2)对子空间纹理结构进行判别分类，分为model1、model2和model3；

(3)对子空间中心像素点进行像素值校正；

(4)计算目标像素点的干净程度，并依次计算出整个图像的干净程度权重图。

2.根据权利要求1所述的混合高斯脉冲噪声图像中的离群点识别方法，其特征在于：所述步骤(1)具体是指：在噪声图像中，针对目标像素点yi,j，取其大小为(2N+1×2N+1)的邻域，N的取值为2,3,4，将该邻域继续分为8个大小为(2N‑1×2N‑1)的子空间，8个校正前子空间中心像素点ls{l1,l2,l3,l4,l5,l6,l7,l8}为目标像素点yi,j的直接相邻像素点，s为子空间索引，s的取值为1,2,3,4,5,6,7,8；将每个子空间分为4个N×N的子块Qk[Q1,Q2,Q3,Q4]。

3.根据权利要求1所述的混合高斯脉冲噪声图像中的离群点识别方法，其特征在于：所述步骤(2)具体是指：在每个子空间中，分别计算4个N×N子块的平均值，Qk代表4个子块，k为子块索引，其取值为1,2,3,4：

mQk＝mean(Qk),k＝1,2,3,4                  (1)将4个子块平均值进行升序排列，得到排列后的子块均值升序排列SBMA，SBMA表示为：SBMA[SBM 1,SBM 2,SBM 3,SBM 4]         (2)计算4个子块的均值差值，df1代表该子空间中4个子块最大的灰度差异，df2,df3和df4分别表示子块之间的灰度均值差异：

根据子块之间的灰度差异信息，采用判据得到该子空间的纹理结构，公式(4)为判据：判定方法为：当df1小于阈值Th时，表示四个子块的像素值都相似，该子空间为一个平滑图像块，为model1；当df1大于阈值Th，且df3同时大于df2和df4时，表示该子空间中存在一个贯穿子空间的纹理结构，为model2；其他情况表示该子空间存在微小纹理结构，为model3；

阈值Th的大小与噪声的强度和图像结构有关，阈值Th的取值范围为15≤Th≤60。

4.根据权利要求1所述的混合高斯脉冲噪声图像中的离群点识别方法，其特征在于：所述步骤(3)具体是指：结合子空间的三种纹理结构，校正子空间中心像素点像素值：若子空间的边缘结构属于model1，则校正前子空间中心像素点ls保持不变；

若子空间中存在贯穿子空间的纹理结构，属model2，相同纹理结构的图像区域具有相似的像素值，则校正前子空间中心像素点ls为沿纹理方向的所有像素点的像素值均值；

若子空间中存在微小的纹理结构，属于model3，相同纹理结构的图像区域具有相似的像素值，则校正前子空间中心像素点ls为沿纹理方向的所有像素点的像素值均值；

依次对8个校正前子空间中心像素点进行校正，得到校正后子空间中心像素点Ls{L1,L2,L3,L4,L5,L6,L7,L8,}，s为子空间索引，其取值为1,2,3,4,5,6,7,8。

5.根据权利要求1所述的混合高斯脉冲噪声图像中的离群点识别方法，其特征在于：所述步骤(4)具体是指：计算目标像素点yi,j与其直接相邻的8个校正后子空间中心像素点Ls{L1,L2,L3,L4,L5,L6,L7,L8,}的绝对差值DS(yi,j)；将绝对差值DS(yi,j)按照升序进行排列得到排序后的像素绝对差值Rk(yi,j)，利用公式(6)计算最小的m个Rk(yi,j)值之和SWMADm(yi,j)：

采用公式(7)的模糊判别理论对SWMADm(yi,j)进行判别，得到目标像素点yi,j的干净程度权重WSWMADm；当SWMADm(yi,j)小于阈值Thmin时，表明该像素点与周边像素点像素值接近，为干净像素点，则WSWMADm为1；SWMADm(yi,j)大于阈值Thmax时，表明该像素点为离群点，则WSWMADm为

0；Thmin的范围为3≤Thmin≤8，Thmax的范围为40≤Thmin≤200；

依次计算出整幅图像所有像素点的干净程度，得到该混合高斯脉冲噪声图像的离群点识别图。