1.一种色偏图像识别方法，其特征在于：采用神经网络模型对输入图像是否色偏图像进行识别，训练神经网络模型所用训练集采用正常图片集和在该正常图片集基础上生成的色偏图片集构建，生成色偏图片集的具体步骤如下：将一张正常无色偏的图片，经过下列①‑③步骤进行处理，生成对应的色偏图片，并将处理所得图片存放到文件夹1，文件夹1将生成17125张色偏图片，与文件夹0对应，共同构成色偏图片训练集；

①设置起点和步长

对于任意一张正常的输入图片，设置灰阶改变起点为start＝16，步长step＝2；

②产生通道选择随机数和偏移随机数

产生通道选择随机整数n1，范围1‑6，产生灰阶偏移随机整数n2、n3，范围0‑100；

③根据随机数产生色偏图片

上述两个步骤已完成色偏起点和步长的设置，以及随机数的产生，此步将根据通道选择随机数确定进行色偏污染的通道，n1为1‑6，分别对应的是R通道、G通道、B通道、RG组合通道、RB组合通道和GB组合通道；接着根据偏移随机数确定灰阶改变量，公式如下：其中，r、g、b分别代表原灰阶，r_、g_、b_分别代表处理后的灰阶，n1为1时只改变R通道，n1为2时只改变G通道，n1为3时只改变B通道，n1为4时改变R通道和G通道，n1为5时改变R通道和B通道，n1为6时改变G通道和B通道；

改变量根据上述公式由随机数n2和n3决定，通道的选择随机，改变量的值随机。

2.如权利要求1所述的色偏图像识别方法，其特征在于：所述色偏图片集采用在正常图片集基础上，由随机数选择颜色通道，然后对所选颜色通道进行随机偏移得到。

3.如权利要求2所述的色偏图像识别方法，其特征在于：所述随机数范围为1～6，其中1～3代表选取单一颜色通道，4～6代表选取两个颜色组合通道。

4.如权利要求1所述的色偏图像识别方法，其特征在于：所述神经网络模型采用VGG16算法。

5.如权利要求1所述的色偏图像识别方法，其特征在于：所述神经网络模型通过VGG16预训练模型进行迁移学习得到。

6.如权利要求5所述的色偏图像识别方法，其特征在于：所述神经网络模型在VGG16预训练模型基础上，添加Dropout层；Dropout层比例为0.6。

7.如权利要求1所述的色偏图像识别方法，其特征在于：所述神经网络模型采用分段衰减的学习率进行训练。