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；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)获取所述加噪后的图片的宽度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。

2.根据权利要求1所述的图像分类方法，其特征在于，度degree为整数且0≤degree≤

255。

3.根据权利要求1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。

4.根据权利要求1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。

5.根据权利要求4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。