1.一种基于改进的混合阶全变分图像去噪实现方法，其特征在于，包括步骤如下：S1，将采集到的原始图像进行灰度转换并进行加噪处理；

S2，使用高斯‑拉普拉斯联合变换进行滤波；

S3，在TV1模型中引入各向异性扩散张量，在LLT模型中引入基于差分曲率的图像特征提取函数；

S4，利用自适应权重函数来耦合TV1模型和LLT模型，得到耦合模型；耦合模型的表达式为：式中，minu E2(u)表示耦合模型的最小化能量泛函；第一项为正则项，第二项为保真项；

为加噪图像函数u的梯度模值；λ2为自适应权重参数，调整保真项的权重；w为自适应权重函数，用来调整TV1模型和LLT模型的正则项；

所述自适应权重参数λ2表达式为：

式中，δ>0；d的表达式为：

式中，min(D(x,y))是D(x,y)的最小值；max(D(x,y))是D(x,y)的最大值；

D(x,y)为差分曲率，其表达式为：

式中，|uηη|为图像沿梯度方向的二阶导数， 为图像沿边缘方向的二阶导数；其表达式分别为：式中，ux为加噪图像函数u沿x方向的一阶导数，uy为加噪图像函数u沿y方向的一阶导数，uxx为加噪图像函数u沿x方向的二阶导数，uyy为加噪图像函数u沿y方向的二阶导数，uxy为加噪图像函数u的二阶偏导数；

所述自适应权重函数w表达式为：

式中，arccot(·)为反余弦函数，是递减函数； 为加噪图像函数u的梯度模值，k为自适应梯度阈值；β1、β2分别是两个不同数值的阈值；M(x,y)为噪声可见度函数；M(x,y)表达式为：式中， 为图像u(x,y)局部方差，u(h,q)为(h,q)点处的灰度值大小；mu(x,y)为局部均值，其表达式为：式中，h、q分别表示x轴和y轴的坐标值，均为变量；P、Q为常量，分别代表了图像区域块在x轴和y轴方向上的半宽度；(2P+1)为图像区域块长度，(2Q+1)为图像区域块宽度，(2P+1)(2Q+1)表示图像区域块的面积大小；

S5，将通过耦合模型得到的去噪图像，使用快速非局部均值滤波算法进行后处理；

S6，使用离散差分法得到耦合模型的离散形式，采用迭代法更新像素值进行去噪，得到去噪图像，并利用峰值信噪比和结构相似性指标验证耦合模型的有效应和可行性。

2.根据权利要求1所述基于改进的混合阶全变分图像去噪实现方法，其特征在于，引入各向异性扩散张量后，TV1模型的表达式为：式中，minu E2(u)TV1为TV1模型的最小化能量泛函，u0为原始灰度图像，u为加噪图像函数， 为加噪图像函数的梯度，λ为权重参数；

1/2

H 表示各向异性扩散张量，其表达式为：

⊥

式中，参数α和γ用来调整张量的强度，A是图像梯度的方向，A 是图像梯度的法向向量，T表示矩阵转置，e表示自然常数；

引入基于差分曲率的图像特征提取函数后，LLT模型的表达式为：式中，minu E2(u)LLT为LLT模型的最小化能量泛函；

g为基于差分曲率的图像特征提取函数，其表达式为：式中，d表示归一化差分曲率，ε表示一个极小值。

3.根据权利要求1所述基于改进的混合阶全变分图像去噪实现方法，其特征在于，步骤S5中，在快速非局部均值滤波算法中，对于图像中的每个像素，在以像素为中心的搜索窗口内寻找与它相似的像素，相似性通过计算两个像素周围邻域的灰度值差异来度量。