1.一种基于自适应全变分图像降噪模型的图像降噪方法，其特征是，包括以下步骤：获取待降噪图像；

预处理获取的待降噪图像，获得原图像矩阵；

基于预设的模型参数，将原图像矩阵导入自适应全变分图像降噪模型，经过多次迭代降噪，获得多张降噪图像，并从多张降噪图像中选取降噪效果最佳的降噪图像作为待降噪图像的降噪图像；

其中，自适应全变分图像降噪模型的自适应函数用于控制降噪过程中的降噪强度；

所述基于预设的模型参数，将原图像矩阵导入自适应全变分图像降噪模型，经过多次迭代降噪，获得多张降噪图像包括：执行以下迭代步骤：

获取n、 、 、 和 的初始值或者上一次迭代步骤对应的更新值以及模型参数；

通过下式更新当前迭代次数的降噪图像矩阵：；

式中，上标n表示初始状态或上一次迭代步骤的更新状态，上标n+1表示当前更新状态，n为迭代次数，且n的初始值为0， 为降噪图像矩阵，且 的初始值为 ， 为原图像矩阵，为降噪图像矩阵的沿边缘方向的二阶导数，且 的初始值为原图像矩阵的沿边缘方向二阶导数， 为降噪图像矩阵的沿梯度方向的二阶导数，且 的初始值为原图像矩阵的沿梯度方向的二阶导数， 为降噪图像矩阵的梯度模，且 的初始值为原图像矩阵的梯度模，P为自适应函数， 和 均为模型参数；

判断迭代次数是否达标：如果达标，则停止迭代步骤并输出当前更新状态的降噪图像矩阵，以获得对应的降噪图像，否则，输出当前更新状态的降噪图像矩阵以获得对应的降噪图像，并通过下式更新n、 、 、 以及 ：；

；

；

；

n=n+1；

式中， 为降噪图像矩阵对 的偏导， 为降噪图像矩阵对 的偏导， 为降噪图像矩阵对 的二阶偏导， 为降噪图像矩阵对 的二阶偏导， 为降噪图像矩阵对 的二阶偏导；

所述自适应函数包括下式：

；

；

其中， 为降噪图像的纹理特征， 为二阶导数水平集曲率， 为归一化的差分曲率， 为归一化的局部方差；

其中，所述归一化的差分曲率包括下式：；

式中， 为差分曲率， 为函数最小值， 为函数最大值；

所述归一化的局部方差包括下式：

；

式中， 为方差；

所述方差包括下式：

；

式中， 为降噪图像局部领域的纹理特征的平均值，N为局部领域的像素范围参数，且N为小于m1和m2的奇正整数，若 <0和/或 >m1和/或 <0和/或 >m2，则元素（ ， ）为0。

2.根据权利要求1所述的基于自适应全变分图像降噪模型的图像降噪方法，其特征是，所述原图像矩阵为m1*m2的二维矩阵，二维矩阵中的各元素对应待降噪图像的像素点；

其中，m1为二维矩阵的行数，m2为二维矩阵的列数。

3.根据权利要求1所述的基于自适应全变分图像降噪模型的图像降噪方法，其特征是，通过下式更新 、 、 、 以及 ：；

；

；

；

； 

式中，（，）为元素，且x属于[0, m1] 的整数，y属于[0, m2] 的整数，其中，若x=0和/或y=0，则令元素（ ， ）为0；若y=0和/或x=m1，则令元素（ ， ）为0；若y= m2和/或x=m1，则令元素（ ， ）为0；若x=0和/或y=m2，则令元素（ ， ）为0；若x=m1，则令元素（ ，）为0；若x=0，则令元素（ ，）为0；若y= m2，则令元素（ ， ）为0；

若y=0，则令元素（ ， ）为0。

4.根据权利要求1所述的基于自适应全变分图像降噪模型的图像降噪方法，其特征是，所述判断迭代次数是否达标包括：当n大于等于300时，迭代次数达标；

当n小于300时，迭代次数不达标。

5.根据权利要求1所述的基于自适应全变分图像降噪模型的图像降噪方法，其特征是，所述二阶导数水平集曲率包括下式：。