1.一种在流形上小领域的相似性强化方法，其特征在于，所述方法包括以下步骤：

1)图像随机扰动：对输入的图像按照一定的扰动强度进行扰动，输出一张经过扰动后的全新的图像；

2)隐变量随机扰动：输入经编码后生成的隐变量，根据一定的扰动强度对隐变量进行扰动，输出经过扰动后的隐变量；

3)流形构造：将图像映射到一个平滑的流形上，在同样扰动强度的前提下，同一张图像经所述两种扰动技术生成的两张图像近乎相似；

所述步骤3)中，在流形上对图像做相似性强化之前，会先对图像做预处理；所述步骤2)中，根据某一干扰强度使用正态随机分布或均匀随机分布随机数生成方法在图像的不同维度上做随机扰动；所述步骤1)中，使用对抗自编码器对图像进行编解码，并使编码后生成的隐变量符合某一预定义的先验概率分布；所述步骤3)中，采用基于深度神经网络的流形构造技术，使用梯度下降的方法更新网络的参数，使判决器能够识别输入图片是来自原图像随机扰动还是来自隐变量随机扰动；

采用离散余弦变换DCT作为图像随机扰动器的实现途径，采用的方法如下：

1.1)使用二维DCT变换计算图像数据库中每张图像的频域矩阵，第j张图像xj的频域矩阵为Mj；

1.2)计算每个矩阵中每个元素在数据库中各自的最大最小值，构成最大值矩阵MAX和最小值矩阵MIN；

1.3)对每个矩阵进行归一化Mj＝(Mj‑MIN)/(MAX‑MIN)，其中减法和除法为矩阵元素级操作；

1.4)以‑1～1的均匀分布生成一个与Mj尺寸相同的随机矩阵R；

1.5)对Mj进行随机扰动Ij＝Mj+R*s，s为扰动强度，其中加法和乘法为矩阵元素级操作；

1.6)对Ij进行逆归一化和逆二维DCT变换即可获得随机扰动后的图像oj；

1.7)以oj中所有像素值的绝对值为阈值对oj进行二值化；

1.8)使用图像编码器中的判决器对图像oj进行判定，如果判决器认为oj不属于原图像数据集的数据，则重复步骤1.4)～1.8)，否则输出扰动后的图像oj。