1.一种基于卷积神经网络的图片分类方法，其特征在于：卷积神经网络由输入开始依次包括至少一个隐含层、一个全连层、一个分类输出层，各个隐含层依次相连，且各个隐含层中分别还包括位于归一化层之后的特征过滤层；所述图像分类方法包括如下步骤：
步骤001.构建训练样本图片组，针对训练样本图片组中各张训练样本图片进行预处理，接着由经过预处理的各张训练样本图片针对卷积神经网络各个工作参数进行训练，获得训练后的工作卷积神经网络，然后初始化n＝1，并进入步骤002；其中，n＝{1,…,N}，N为隐含层的个数；
步骤002.针对至少两张待分类图片进行预处理，接着将经过预处理的各张待分类图片输入工作卷积神经网络中，并进入步骤003；
步骤003.各张待分类图片分别输入第n个隐含层，并依次经过卷积层、矫正层、降采样层、归一化层，获得各张待分类图片分别对应卷积层中M个滤波器的M张归一化特征图像，即获得K×M张归一化特征图像，然后将K×M张归一化特征图像输入至第n个隐含层中的特征过滤层，依次执行如下步骤00401至步骤00405，然后进入步骤005；其中，M表示卷积层中预设滤波器的个数，且各个滤波器的大小预设；K表示待分类图像的张数；
步骤00401.根据指定像素的属性值，获得第n个隐含层所接收所有归一化特征图像的归一化特征均值图像，并进入步骤00402；
步骤00402.分别针对各张归一化特征图像，计算其相对归一化特征均值图像的L2范数，获得各张归一化特征图像所对应的L2范数，并针对各张归一化特征图像，按对应的L2范数，由大至小进行排序，然后进入步骤00403；
步骤00403.将由最大L2范数所对应归一化特征图像为起始、依序预设第一百分比张数的归一化特征图像构成待过滤归一化特征图像集合，并将第n个隐含层所接收所有归一化特征图像中剩余各张归一化特征图像构成第一归一化特征图像集合，然后进入步骤00404；其中，第一百分比大于0，且小于100％；
步骤00404.针对待过滤归一化特征图像集合，随机删除其中预设第二百分比张数的归一化特征图像，并将待过滤归一化特征图像集合中剩余各张归一化特征图像构成第二归一化特征图像集合，然后进入步骤00405；其中，第二百分比大于0，且小于100％；
步骤00405.将第一归一化特征图像集合中的各张归一化特征图像，与第二归一化特征图像集合中的各张归一化特征图像，合并或更新为初级归一化特征图像集合；
步骤005.判断n是否等于N，是则进入步骤007；否则将n的值加1，并将结果赋予n，然后进入步骤006；
步骤006.将初级归一化特征图像集合中的各张归一化特征图像输入至第n个隐含层中的特征过滤层，依次执行如下步骤00401至步骤00405，然后进入步骤005；
步骤007.将初级归一化特征图像集合中的各张归一化特征图像输入至卷积神经网络中的全连层，并经过分类输出层实现针对各张待分类图片的分类。
2.根据权利要求1所述一种基于卷积神经网络的图片分类方法，其特征在于，所述步骤001包括如下步骤：
步骤00101.构建训练样本图片组，统一训练样本图片组中各张训练样本图片的分辨率，然后进入步骤00102；
步骤00102.根据指定像素的属性值，获得训练样本图片组所有训练样本图片的训练样本均值图片，然后进入步骤00103；
步骤00103.将训练样本图片组中各张训练样本图片分别减去训练样本均值图片，获得训练样本图片组中各张训练样本图片分别所对应的训练样本差值图片，然后进入步骤00104；
步骤00104.分别针对各张训练样本差值图片，针对训练样本差值图片上各个像素值进行缩放，使不同位置像素值的方差均等于1，然后进入步骤00105；
步骤00105.针对各张训练样本差值图片制定输入顺序，使得相邻训练样本差值图片不属于预设分类标准中的同一类，然后将各张训练样本差值图片按输入顺序，依次输入至卷积神经网络当中，针对卷积神经网络各个工作参数进行训练，获得训练后的工作卷积神经网络。
3.根据权利要求2所述一种基于卷积神经网络的图片分类方法，其特征在于，所述步骤00102中，若训练样本图片组中的训练样本图片为灰度图，则根据像素灰度值，获得训练样本图片组所有训练样本图片的训练样本均值图片；若训练样本图片组中的训练样本图片为彩色图，则根据像素RGB值，获得训练样本图片组所有训练样本图片的训练样本均值图片。
4.根据权利要求1所述一种基于卷积神经网络的图片分类方法，其特征在于，所述步骤002中，针对至少两张待分类图片，统一各张待分类图片的分辨率，实现针对各张待分类图片预处理。
5.根据权利要求1所述一种基于卷积神经网络的图片分类方法，其特征在于，所述步骤003中，各张待分类图片分别输入第n个隐含层，并依次经过卷积层、矫正层、降采样层、归一化层，获得各张待分类图片分别对应卷积层中M个滤波器的M张归一化特征图像，即获得K×M张归一化特征图像，包括如下步骤：
步骤00301.将各张待分类图片分别输入第n个隐含层的卷积层，分别针对各张待分类图片，将待分类图片分别与卷积层中各个滤波器进行卷积操作，获得该待分类图片分别对应卷积层中M个滤波器的M张特征图像，进而获得各张待分类图片分别对应卷积层中M个滤波器的M张特征图像，即获得K×M张特征图像，然后进入步骤00302；
步骤00302.将K×M张特征图像分别输入第n个隐含层的矫正层，分别针对各张特征图像，将小于0的像素值置为0，更新K×M张特征图像，然后进入步骤00303；
步骤00303.将K×M张特征图像分别输入第n个隐含层的降采样层，分别针对各张特征图像进行降维处理，更新K×M张特征图像，然后进入步骤00304；
步骤00304.将K×M张特征图像分别输入第n个隐含层的归一化层，分别针对各张特征图像进行归一化处理，获得K×M张归一化特征图像。