1.一种基于连续双向2DPCA的小样本图像识别方法，其特征在于，包括：获取训练图像，对所述训练图像进行预处理生成训练图像数据矩阵；

构建具有增强鲁棒性结构连续双向的2DPCA优化模型，将所述训练图像数据矩阵输入所述2DPCA优化模型计算最优的投影矩阵；

获取待识别图像，对所述待识别图像进行预处理生成待识别图像数据矩阵；

利用最优的所述投影矩阵对所述待识别图像数据矩阵和所述训练图像数据矩阵进行特征提取，将特征提取结果输入最近邻分类器进行图像识别。

2.根据权利要求1所述的基于连续双向2DPCA的小样本图像识别方法，其特征在于，所述对所述训练图像进行预处理生成训练图像数据矩阵包括：对所述训练图像进行归一化处理、灰度化处理以及图像增强处理，生成图像数据矩阵， 为第 个训练图像生成的图像数据矩阵， 为训练图像总数。

3.根据权利要求2所述的基于连续双向2DPCA的小样本图像识别方法，其特征在于，所述2DPCA优化模型的目标函数为：；

式中， 为行方向和列方向的目标函数， 为行方向和列方向的投影矩阵，为单位矩阵， ；

；

；

式中， 为图像数据矩阵 在行方向和列方向上的重构误差权重。

4.根据权利要求3所述的基于连续双向2DPCA的小样本图像识别方法，其特征在于，所述将所述训练图像数据矩阵输入所述2DPCA优化模型计算最优的投影矩阵包括：计算行方向的最优投影矩阵：

S101、初始化行方向的投影矩阵 ；

S102、根据投影矩阵 计算中间变量 和重构误差权重 ：；

；

S103、采用非贪婪迭代算法，将行方向的目标函数变换为：；

式中， 为矩阵的迹运算；

S104、根据2DPCA，函数 的解由加权协方差矩阵对应的前 个最大特征值的特征向量组成；所述加权协方差矩阵 为：；

S105、将函数 的解作为更新后的行方向的投影矩阵 ，根据投影矩阵 和投影矩阵判断收敛条件 是否满足，若满足，则将投影矩阵 作为行方向的最优投影矩阵输出；

若不满足，则令 并返回S102；

其中， ， 为行方向收敛阈值；

计算列方向的最优投影矩阵：

S201、初始化列方向的投影矩阵 ；

S202、根据投影矩阵 计算中间变量 和重构误差权重 ：；

；

S103、采用非贪婪迭代算法，将列方向的目标函数变换为：；

式中， 为矩阵的迹运算；

S104、根据2DPCA，函数 的解由加权协方差矩阵对应的前 个最大特征值的特征向量组成；所述加权协方差矩阵 为：；

S105、将函数 的解作为更新后的列方向的投影矩阵 ，根据投影矩阵 和投影矩阵判断收敛条件 是否满足，若满足，则将投影矩阵 作为列方向的最优投影矩阵输出；

若不满足，则令 并返回S202；

其中， ， 为列方向收敛阈值。

5.一种基于连续双向2DPCA的小样本图像识别装置，其特征在于，所述装置包括：训练数据处理模块，用于获取训练图像，对所述训练图像进行预处理生成训练图像数据矩阵；

模型训练模块，用于构建具有增强鲁棒性结构连续双向的2DPCA优化模型，将所述训练图像数据矩阵输入所述2DPCA优化模型计算最优的投影矩阵；

识别数据处理模块，用于获取待识别图像，对所述待识别图像进行预处理生成待识别图像数据矩阵；

图像识别模块，用于利用最优的所述投影矩阵对所述待识别图像数据矩阵和所述训练图像数据矩阵进行特征提取，将特征提取结果输入最近邻分类器进行图像识别。

6.一种电子设备，其特征在于，包括处理器及存储介质；

所述存储介质用于存储指令；

所述处理器用于根据所述指令进行操作以执行根据权利要求1‑4任一项所述方法的步骤。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1‑4任一项所述方法的步骤。

8.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1‑4任一项所述方法的步骤。