1.一种图像分类方法，其特征在于，包括以下步骤：

1)选择M张具有类代表的原始图片；

2)对所述原始图片进行预处理，将M张原始图片扩充为M组训练图片，每组包含N张图片；

3)对M组图片进行tensorflow训练，得到训练模型；

4)对新的图片，根据所述训练模型对所述新的图片进行图像类别测试。

2.根据权利要求1所述的图像分类方法，其特征在于，将M张原始图片扩充为M组训练图片的具体实现过程包括：

1)对所述原始图片进行翻转，将一张原始图片扩充为两张翻转图片；

2)对所述翻转图片的R、G、B进行扫描，指定一个度degree，给出随机噪声noise的区间[-degree，degree]，分别对翻转图片的R、G、B进行噪声添加，即R+noise、G+noise、B+noise；

若R+noise、G+noise、B+noise小于0，将该小于0的元素赋值为0；R+noise、G+noise、B+noise大于255，将该大于255的元素赋值为255，从而得到加噪后的图片；

3)获取所述加载后的图片的宽度Hortical、长度Vertical和颜色Color，分别从宽度和长度按照一个比例o进行压缩变换，生成压缩图片；其中比例o为正整数；

4)设置亮度调节度，利用下式分别处理压缩图片的像素R、G、B三分量：pixel＝p[i]+degree，pixel为像素颜色集，该像素颜色集包含{R、G、B}三个像素颜色分量；i的值分别为

0，1，2，p[0]代表B，p[1]代表G，p[2]代表R；若pixel小于0，pixel赋值为0，pixel大于255，pixel赋值为255，分别取亮度调节度为正数和负数的两种情况对压缩图片进行变换，通过pixel的改变得到不同的亮度调节图片；

5)对所述亮度调节图片进行灰度调节，得到灰度调节图片；

6)遍历所述灰度调节图片的所有像素点，对每个像素点进行如下曝光调节，得到曝光图片；

若p[0]<128,p[0]＝(byte)(p[0]^0xFF)；

若p[1]<128,p[1]＝(byte)(p[1]^0xFF)；

若p[2]<128，p[2]＝(byte)(p[2]^0xFF)；

7)将所述曝光图片转化为RGB位图格式，获取其宽度width和高度height，设置一个色调调节值hue，利用所述色调调节值hue对每个像素点的RGB进行色调调节，得到颜色调节图片；

8)以90°为步长，对所述颜色调节图片进行三次旋转，得到旋转图片。

3.根据权利要求2所述的图像分类方法，其特征在于，度degree为整数且0≤degree≤

255。

4.根据权利要求2所述的图像分类方法，其特征在于，从宽度和长度按照一个比例o对压缩图片进行压缩变换后得到的像素值为(Hortical*o+m++，Vertical*o+n++，Color)；其中m++，n++为0到o之间的整数。

5.根据权利要求2所述的图像分类方法，其特征在于，灰度调节的具体实现过程为：亮度调节图片像素点的color值，color1＝oldBitmap.GetPixel(x，y)，color2＝oldBitmap.GetPixel(x+1，y+1)；分别从红、绿、蓝三个通道进行调节，选择0到255之间的灰度调节度degree，R＝Math.Abs(color1.R-color2.R+degree)；G＝Math.Abs(color1.G-color2.G+degree)；B＝Math.Abs(color1.B-color2.B+degree)，Math.Abs函数代表返回函数内的绝对值，通过该函数保证R、G、B的值在0到255之间，若有小于0的元素，则将该元素值赋值为0，若有大于255的元素，则将该元素值赋值为255；color1代表图片调节前像素点(x,y)的颜色，color代表像素点(x,y)附近像素点(x+1，y+1)的颜色；oldBitmap.GetPixel函数用于获取压缩图片中的颜色值，是由R、G、B组成的集合，color1.R-color2.R代表对像素点水平和竖直方向进行逐一差分。

6.根据权利要求2所述的图像分类方法，其特征在于，所述色调调节值hue为介于-180到180之间的浮点数。

7.根据权利要求6所述的图像分类方法，其特征在于，利用所述色调调节值hue对每个像素点的RGB进行色调调节，利用所述色调调节值hue对每个像素点的RGB进行色调调节的公式为：hsl＝HSL.FromRgb(p[2],p[1],p[0])，hsl.Hue+＝hue；其中hsl是工业界的颜色标准，其三个缩写字母分别代表图像的色相、饱和度和明度，函数HSL.FromRgb(R、G、B)用来实现图像红绿蓝值到色调值的转化过程，hsl.Hue代表当前图像的色调值，hue代表所调节色调的变化值。