1.一种基于人工智能的数字全息图像去噪方法，其特征在于包括以下步骤：
a、对待处理数字全息图像进行分块；
b、以每个图像块为基准图层，分别进行上采样和下采样，得到对应的图层集合；
c、每个图层集合建立对应的噪声提取模型，使用噪声提取模型对集合中每个图层的噪声特征进行提取；
d、将噪声特征进行特征融合，使用融合后的噪声特征对图像块进行去噪处理；
e、噪声提取模块根据特征融合结果进行自动更新；
f、使用去噪处理后的图像块进行图像重构。
2.根据权利要求1所述的基于人工智能的数字全息图像去噪方法，其特征在于：步骤a中，对待处理数字全息图像进行分块包括以下步骤，
a1、遍历数字全息图像，选择分割区域，分割区域为，区域内灰度标准差小于第一设定阈值，区域边缘内侧灰度与外侧灰度的变化不连续；
a2、使用分割区域拟合分割线段，分割线段全部位于分割区域内，且位于同一分割区域内的分割线段上的灰度变化连续；
a3、使用分割线段对数字全息图像进行分块。
3.根据权利要求2所述的基于人工智能的数字全息图像去噪方法，其特征在于：每个图像块的边缘与相邻图像块具有重合区域，重合区域的面积小于所述图像块面积的5％。
4.根据权利要求3所述的基于人工智能的数字全息图像去噪方法，其特征在于：步骤b中，对图像进行上采样包括以下步骤，
b11、选择基准图层若干个非边缘像素点，以此类像素点为中心向外扩展采样区域，使所有采样区域的组合包含基准图层的全部区域；
b12、以此像素点为起始点标记扇形区域，扇形区域的外侧边缘位于采样区域的外侧；
b13、使用扇形区域位于采样区域内部的部分对扇形区域位于采样区域外部的部分进行拟合，待拟合像素点的灰度和亮度为扇形区域位于采样区域内部的全部像素点的加权平均值，采样区域内部像素点的权重值与其和待拟合像素点的欧氏距离成正比；
b14、使用拟合出的区域对原采样区域进行扩充，使用新的采样区域组成扩大面积后的图层；
b15、重复上述步骤，直至得到全部上采样图层。
5.根据权利要求4所述的基于人工智能的数字全息图像去噪方法，其特征在于：步骤b中，对图像进行下采样包括以下步骤，
b21、以步骤b11中选择的非边缘像素点为中心点，使用以中心点为圆心的圆形区域内的像素点灰度和亮度进行平均计算，使用计算结果替代中心点上的像素点，圆形区域的面积小于采样区域的面积；
b22、保留代替后的像素点，将圆形区域的其它部分删除，使用保留的像素点组成新的下采样图层；
b23、重复上述步骤，直至得到全部上采样图层。
6.根据权利要求5所述的基于人工智能的数字全息图像去噪方法，其特征在于：步骤c中，噪声提取模型为，
其中，ω为图层区域，p为图层区域内的任意点，q为参考点，dp为以p自变量的修正函数，fp为以p点灰度值为自变量的高斯函数，gp为以p点亮度值为自变量的高斯函数，‖p-q‖为p点和q点之间的欧氏距离；
q的选择方法为，
选择不同图层之间相似度最高的区域，对所选区域的灰度值和亮度值进行归一化处理，使用归一化处理后灰度值和亮度值之和最大的点作为q。
7.根据权利要求1所述的基于人工智能的数字全息图像去噪方法，其特征在于：步骤d中，对图像块进行去噪处理包括以下步骤，
d1、将不同图层中提取的线性相关的噪声特征进行标记；
d2、特征融合时使用被标记特征生成第一特征集合，使用其它特征生成第二特征集合；
d3、若图像块中出现与第一特征集合线性相关的图像分量时，直接作为噪声进行删除，若图像块中出现与第二特征集合线性相关的图像分量时，对图像分量的灰度和亮度进行减弱，减弱幅度与图像分量和距离最近的噪声分量的距离成反比。
8.根据权利要求1所述的基于人工智能的数字全息图像去噪方法，其特征在于：步骤e中，噪声提取模块的更新方法为，
根据第二特征集合中的噪声特征对修正函数dp进行迭代更新，使第二特征集合中的噪声特征数量保持最少。