1.一种基于分数阶微分算子的L0范数约束和自适应加权梯度的湍流退化图像复原的方法，其特征在于，

(1)建立湍流退化图像恢复的基本空间不变数学模型，输入湍流退化图像；

(2)采用多尺度金字塔策略，根据输入的湍流退化图像的尺度进行向下采样，建立图像尺度由粗到细的多尺度金字塔框架；

(3)在不同的金字塔尺度下建立基于分数阶的L0范数约束的潜在清晰图像优化模型，对潜在清晰图像施加基于分数阶微分算子的L0范数稀疏约束并优化，通过该潜在清晰图像优化模型估计潜在清晰图像；

(4)对估计的潜在清晰图像使用双边滤波器进行滤波，并建立从潜在清晰图像中选择利于点扩展函数估计的连续边缘的加权模型；

(5)基于梯度域中利于点扩展函数估计的边缘，建立自适应加权梯度的点扩展函数估计模型，并在频域内采用快速傅里叶变换的方法准确估计出点扩展函数；

(6)迭代循环步骤(3)、步骤(4)和步骤(5)，求出对应图像尺度下的潜在清晰图像和点扩展函数，利用点扩展函数的相似性度量设定优化迭代循环的迭代终止条件；

(7)重复步骤(6)，进行图像尺度由粗到细的迭代循环，直至图像尺度到达原图像的尺度停止循环，输出潜在清晰图像和点扩展函数；

(8)利用点扩展函数恢复湍流退化图像，获得清晰图像。

2.根据权利要求1所述的基于分数阶微分算子的L0范数约束和自适应加权梯度的湍流退化图像复原的方法，其特征在于，将湍流退化图像进行灰度变换后输入基本空间不变数学模型。

3.根据权利要求1所述的基于分数阶微分算子的L0范数约束和自适应加权梯度的湍流退化图像复原的方法，其特征在于，步骤(1)建模过程为：B＝I*k+n

其中，B,I,k,n分别是模糊图像、潜在清晰图像、点扩展函数、噪声，“*”为卷积算子。

4.根据权利要求1所述的基于分数阶微分算子的L0范数约束和自适应加权梯度的湍流退化图像复原的方法，其特征在于，步骤(2)中多尺度金字塔中的多尺度因子q的值为：

5.根据权利要求1所述的基于分数阶微分算子的L0范数约束和自适应加权梯度的湍流退化图像复原的方法，其特征在于，步骤(3)中建立基于分数阶的L0范数约束的潜在清晰图像优化模型求解出潜在清晰图像I：其中B,I,k分别是模糊图像、潜在清晰图像、点扩展函数，“*”为卷积算子，λ为权重参v

数；D为分数阶微分算子。

6.根据权利要求4所述的基于分数阶微分算子的L0范数约束和自适应加权梯度的湍流退化图像复原的方法，其特征在于，步骤(4)中建立从潜在清晰图像I中选择出利于点扩展函数估计的连续边缘的加权模型：

其中 Υ(·)表示的双边滤波器，

0.8

θ是权重调节参数；w(x)＝w1(x)*w2(x)：其中w1(x)＝exp(‑(r(x)) )，r(x)是一种衡量图像中边缘是否是杂乱细小边缘的标准，此衡量标准可以去除图像中的杂乱细小边缘；

β1为惩罚调节因子；w21(x)为自适应连续加权矩阵，计算出区域内与区域中心点梯度方向相同的点的个数，个数越多，则权重越大，反之越小；w22(x)为线段长度权重矩阵，采用直线段检测算法LSD对图像进行线段检测，线段检测出某条直线段上的任一点离线段中心点的距离越远，权重系数越小，反之越大。

7.根据权利要求5所述的基于分数阶微分算子的L0范数约束和自适应加权梯度的湍流退化图像复原的方法，其特征在于，在梯度域求解点扩展函数k：在得到k之后，将k的负元素设为0，并对k进行标准化，使k满足对点扩展函数的定义，是表达式达到最小值的时候。

8.根据权利要求1‑7中任一项所述的基于分数阶微分算子的L0范数约束和自适应加权梯度的湍流退化图像复原的方法，其特征在于，利用点扩散函数的相似性度量具有对不同尺度和位移的不变性特征，将点扩散函数的相似性度量作为优化迭代循环的迭代终止条件；设Sj(kj，k(j+1))为第j次迭代求解的点扩展函数相似性的值，Sj‑1(k(j‑1)，kj)为第j‑1次迭代求解的点扩展函数相似性的值，将Sj(kj，k(j+1))与Sj‑1(k(j‑1)，kj)的差值大小记为Rj，用作衡量点扩展函数的数值是否趋向平稳的条件；当Rj小于0.001时，则跳出迭代循环，Rj如下式所示：

Rj＝Sj(kj，k(j+1))‑Sj‑1(k(j‑1)，kj)。

9.根据权利要求1‑7中任一项所述的基于分数阶微分算子的L0范数约束和自适应加权梯度的湍流退化图像复原的方法，其特征在于，步骤(3)中具体使用split Bregman方法进行优化迭代循环。

10.一种基于分数阶微分算子的L0范数约束和自适应加权梯度的湍流退化图像复原系统，其特征在于，包括：

基本空间不变数学模型建立模块：用于建立湍流退化图像恢复的基本空间不变数学模型，输入湍流退化图像；

多尺度金字塔模块：用于采用多尺度金字塔策略，根据输入的湍流退化图像的尺度进行向下采样，建立采用多尺度金字塔策略的图像尺度由粗到细的迭代循环框架；

潜在清晰图像优化模型建立模块：用于在不同的金字塔尺度下建立基于分数阶的L0范数约束的潜在清晰图像优化模型，对潜在清晰图像施加基于分数阶微分算子的L0范数稀疏约束并优化，通过该潜在清晰图像优化模型估计潜在清晰图像；

滤波加权模块：用于对潜在清晰图像使用双边滤波器进行滤波，并建立从潜在清晰图像中选择利于点扩展函数估计的连续边缘的加权模型；

点扩展函数模块：用于基于梯度域中利于点扩展函数估计的边缘，建立点扩展函数的估计模型求解点扩展函数，并在频域内采用快速傅里叶变换的方法准确估计出点扩展函数；

优化迭代模块：优化迭代循环潜在清晰图像优化模型建立模块、滤波加权模块和点扩展函数模块，求出对应图像尺度下的潜在清晰图像和点扩展函数；最后利用点扩展函数的相似性度量设定优化迭代循环的迭代终止条件，得到点扩展函数；

湍流退化图像恢复模块：利用点扩展函数恢复湍流退化图像，获得清晰图像。