1.一种基于小波变换的神经网络图像去噪方法，其特征在于首先使用小波变换对图像进行分解，具体的是将原始图像分解成为四个子图像；对于得到的子图像，分别单独的使用设计好的全卷积神经网络进行训练，四个神经网络之间互不干扰；接下来再使用图像融合的方法将四个子图融合成为最后的去噪图像。

2.根据权利要求1所述的一种基于小波变换的神经网络图像去噪方法，其特征在包括以下步骤：步骤1：使用小波变换分解原始噪声图像，得到四个子图；

通过低通和高通滤波器，分解原始噪声图像，得到四个子图：LL子带是由两个方向利用低通小波滤波器卷积后产生的小波系数，它是图像的近似表示；HL子带是在行方向利用低通小波滤波器卷积后，再用高通小波滤波器在列方向卷积而产生的小波系数，它表示图像的水平方向奇异特性；LH子带是在行方向利用高通小波滤波器卷积后，再用低通小波滤波器在列方向卷积而产生的小波系数，它表示图像的垂直方向奇异特性；HH子带是由两个方向利用高通小波滤波器卷积后产生的小波系数，它表示图像的对角边缘特性；

步骤2：使用全卷积神经网络进行训练，对得到的子图进行训练；

采取四个相同结构的全卷积神经网络分别进行训练，这四个网络之间互不干扰，每个全卷积神经网络只对自己的负责的子图进行训练；最后得到四张训练过后的输出子图；

步骤3：使用图像融合技术，将四个训练后的子图融合；

将得到的四张全卷积神经网络的输出子图进行融合，得到一张包含图像完整信息的去噪后的图像；

输出子图和原始的输入图像之间进行psnr处理，得到四个数值psnr1,psnr2,psnr3,psnr4；

利用这四个数值，得到第i张子图的权重：

四张子图根据权重进行融合得到一张包含图像完整信息的去噪后的融合图像；

在融合图像之后，使用伽马变化进行一个图像后处理，使得得到的融合图像色彩更加柔和。

3.根据权利要求1或2所述的一种基于小波变换的神经网络图像去噪方法，其特征在所述的全卷积神经网络为自己定义的ResVDSR网络，具体如下：首先使用双边滤波的方法对输入的噪声图像进行预处理；然后将经过预处理后的噪声图像输入ResVDSR网络；

ResVDSR网络一共有四层，第一层的输入通道为3，输出通道为64；第二层的输入通道为

64，输出通道为128；第三层的输入通道为128，输出通道为64；第四层的输入通道为64，输出通道为3；四层网络的卷积核大小全部都是3*3，并且使用ReLU进行激活；在第一层输入之前到第四层输出之后建立一个残差结构，该结构能够保留图像更多的纹理信息。