1.一种基于高分辨率下的小波总变分去噪方法，其特征在于，包括：获取高分辨率图像，将所述高分辨率图像进行小波变换，得到不同尺度和范围的小波系数；

将所述高分辨率图像进行小波变换，得到不同尺度和范围的小波系数，包括：获取小波类型，同时设置小波分解层数以及周围频段范围，得到不同小波类型下每个层数中小波分解的尺度频率；

根据所述尺度频率，计算对应尺度频率范围内和范围外的小波系数，并构建小波系数包，判断对应小波系数是否包含在周围频段范围内；

若包含在周围频段范围内，进而判断是否为频率范围内的小波系数，若是，则通过所述小波系数重新更新尺度频率，得到不同尺度和范围的小波系数；若不是，则重新设置小波分解层数；若不包含在周围频段范围内，则将所述频段范围的值作为构建小波系数包的赋值参数，求得小波系数包的最大值和最小值，并以所述小波系数包的最大值和最小值，重新设置周围频段范围；

基于得到的小波系数，利用图像的局部特征和梯度信息，对图像中不同噪声区域进行正则化参数调整，返回不同噪声区域的调整结果；

基于得到的小波系数，利用图像的局部特征和梯度信息，对图像中不同噪声区域进行正则化参数调整，包括：计算图像局部特征的权重并进行特征求和；

计算梯度信息的导数，所述梯度信息的导数包括，一阶导数、二阶拉普拉斯算子以及三阶导数；

结合不同尺度和范围的小波系数、求和的图像特征和梯度信息的导数，对不同噪声区域的正则化参数进行调整，得到不同区域的最小噪声；

根据所述不同噪声区域的调整结果进行逆小波变换去除噪声，重构去噪声后的高分辨率图像；

根据所述不同噪声区域的调整结果进行逆小波变换去除噪声，重构去噪声后的高分辨率图像，包括：设置四个双重循环，对应低噪声区域、中等噪声区域、高噪声区域以及噪声边缘区域，每一个双重循环中包括一个外层循环和内层循环，外层循环控制逆向小波变换的层数，内循环进行逆向小波变换。

2.如权利要求1所述的基于高分辨率下的小波总变分去噪方法，其特征在于，获取高分辨率图像，包括：所述高分辨率为4K、5K、6K、7K、8K、10K、12K以及16K。

3.如权利要求1所述的基于高分辨率下的小波总变分去噪方法，其特征在于，基于得到的小波系数，利用图像的局部特征和梯度信息，对图像中不同噪声区域进行正则化参数调整，还包括：所述不同噪声区域分为，低噪声区域、中等噪声区域、高噪声区域以及噪声边缘区域；

所述低噪声区域、中等噪声区域、高噪声区域范围分别对应梯度信息的一阶导数、二阶拉普拉斯算子以及三阶导数的表示范围。

4.如权利要求3所述的基于高分辨率下的小波总变分去噪方法，其特征在于，所述噪声边缘区域，包括：由梯度信息的一阶导数和小波基函数构成。

5.如权利要求1所述的基于高分辨率下的小波总变分去噪方法，其特征在于，根据所述不同噪声区域的调整结果进行逆小波变换去除噪声，重构去噪声后的高分辨率图像，还包括：获取高分辨率图像的高度和宽度；

初始化与图像高度和宽度相同的矩阵A和B，存储变换过程；

外循环包含垂直方向的原变换和水平方向的原变换；

内循环包含垂直方向逆变换和水平方向逆变换。

6.如权利要求5所述的基于高分辨率下的小波总变分去噪方法，其特征在于，所述外循环包含垂直方向的原变换和水平方向的原变换，包括：所述水平方向的原变换，对每一行，计算相邻像素的均值，存储在A中；

所述垂直方向的原变换，对每一列，计算相邻像素的差值，存储在B中，通过(A+B)/2，更新当前外循环层的逆向小波变换结果，并进入内层循环。

7.如权利要求5所述的基于高分辨率下的小波总变分去噪方法，其特征在于，所述内循环包含垂直方向逆变换和水平方向逆变换，包括：将A和B存储的值进行归零；

所述内循环的垂直方向逆变换，对于每一列，计算原始像素的重建值，存储在A中；

所述内循环的水平方向逆变换，对于每一行，计算原始像素的重建值，存储在B中；

通过|A‑B|，更新当前内循环的逆向小波变换结果，并返回外层循环。