1.一种基于小样本学习的无线频谱状态图像分类方法，其特征在于，所述方法包括：将训练集支持集Str与训练集查询集Qlr输入到嵌入模块，得到各个类别的张量集；

在所述训练集支持集Str张量集中通过每个类别中距离最接近的K个张量计算所述训练集支持集Str的各个类别的类原型；

将所述类原型与所述训练集查询集Qlr张量集输入度量模块，进行相似性度量，得到小样本图像分类器。

2.根据权利要求1所述的一种基于小样本学习的无线频谱状态图像分类方法，其特征在于，在将所述训练集支持集Str与训练集查询集Qlr输入到嵌入模块之前，所述方法还包括：对所述训练集支持集Str和训练集查询集Qlr，进行插值补全。

3.根据权利要求1所述的一种基于小样本学习的无线频谱状态图像分类方法，其特征在于，所述嵌入模块，包括：一个不带有全连接层的全卷积神经网络，所述全卷积神经网络输出为h×w×d维的张量。

4.根据权利要求1所述的一种基于小样本学习的无线频谱状态图像分类方法，其特征在于，所述在所述训练集支持集Str张量集中通过每个类别中距离最接近的K个张量计算所述训练集支持集Str的各个类别的类原型，包括：将所述张量集中的张量看作长度为d的特征向量(h×w维)，在类别 中都寻找与其距离最近的K个特征向量；

根据所述K个特征向量，获得类别 的类原型。

5.根据权利要求1所述的一种基于小样本学习的无线频谱状态图像分类方法，其特征在于，所述将所述类原型与所述训练集查询集Qlr张量集输入度量模块，进行相似性度量，包括：计算所述训练集查询集Qlr张量集与所述类原型之间的相似性之和；

根据所述相似性之和作为所述训练集查询集Qlr样本与类别之间的相似性。

6.根据权利要求1所述的一种基于小样本学习的无线频谱状态图像分类方法，其特征在于，在得到所述小样本图像分类器之后，所述方法还包括：将所述测试集支持集Ste和测试集查询集Qle输入所述小样本图像分类器中，执行分类任务，并输出无线频谱状态标签。

7.一种基于小样本学习的无线频谱状态图像分类装置，其特征在于，包括：处理单元，用于将训练集支持集Str与训练集查询集Qlr输入到嵌入模块，得到各个类别的张量集；

处理单元，还用于在所述训练集支持集Str张量集中通过每个类别中距离最接近的K个张量计算所述训练集支持集Str的各个类别的类原型；

处理单元，还用于将所述类原型与所述训练集查询集Qlr张量集输入度量模块，进行相似性度量，得到小样本图像分类器。

8.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器与所述处理器耦合，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，当所述处理器从所述存储器中读取所述计算机指令，以使得所述电子设备执行如权利要求1～6中任一项所述的基于小样本学习的无线频谱状态图像分类方法。

9.一种计算机可读存储介质，其特征在于，包括计算机指令，当所述计算机指令在终端上运行时，使得所述终端执行如权利要求1～6中任一项所述的基于小样本学习的无线频谱状态图像分类方法。

10.一种计算机程序产品，其特征在于，当所述计算机程序产品在计算上运行时，使得所述计算机执行如权利要求1～6中任一项所述的基于小样本学习的无线频谱状态图像分类方法。