1.一种基于多模板图像的图像数据增强方法，其特征在于，包括：对待增强的图像数据进行分类，并从每类图像数据中选择N个图像作为模板图像；对模板图像进行像素级融合，获得融合图像；

将所述融合图像分别输入分割网络和评估网络中，获得初始概率分布矩阵和N个初始混淆矩阵；其中，所述分割网络和评估网络相耦合；

将N个初始混淆矩阵分别与所述初始概率分布矩阵逐元素矩阵相乘得到N个新概率分布矩阵；

分别计算N个新概率分布矩阵与对应模板图像的交叉熵，并与N个混淆矩阵的迹组成损失函数；

基于最小化损失函数的目标，迭代更新分割网络和评估网络的参数，达到预设优化条件后，利用分割网络输出扩充图像。

2.如权利要求1所述的一种基于多模板图像的图像数据增强方法，其特征在于，所述图像融合采用线性融合的方式，通过对不同模板图像对应像素之和求均值，并通过正弦函数对其进行归一化处理。

3.如权利要求1所述的一种基于多模板图像的图像数据增强方法，其特征在于，所述分割网络采用概率U‑Net，通过所述分割网络生成仅依靠单一的融合图像进行分割后的概率分布矩阵。

4.如权利要求1所述的一种基于多模板图像的图像数据增强方法，其特征在于，所述评估网络与所述分割网络相耦合，其中，所述评估网络采用卷积神经网络，其输入为融合图像后输出N个混淆矩阵，将N个混淆矩阵分别与分割网络得到的概率分布矩阵进行逐元素相乘，得到N个新的概率分布矩阵，与各对应模板图像计算交叉熵，再与混淆矩阵对角线之和相加后组成总损失函数，最小化损失函数以更新分割网络和评估网络的参数。

5.如权利要求1所述的一种基于多模板图像的图像数据增强系统，其特征在于，包括：融合图像获取单元，其用于对待增强的图像数据进行分类，并从每类图像数据中选择N个图像作为模板图像；对模板图像进行像素级融合，获得融合图像；

损失函数构建单元，其用于将所述融合图像分别输入分割网络和评估网络中，获得初始概率分布矩阵和N个初始混淆矩阵；其中，所述分割网络和评估网络相耦合；将N个初始混淆矩阵分别与所述初始概率分布矩阵逐元素矩阵相乘得到N个新概率分布矩阵；分别计算N个新概率分布矩阵与对应模板图像的交叉熵，并与N个混淆矩阵的迹组成损失函数；

扩充图像输出单元，其用于基于最小化损失函数的目标，迭代更新分割网络和评估网络的参数，达到预设优化条件后，利用分割网络输出扩充图像。

6.如权利要求5所述的一种基于多模板图像的图像数据增强系统，其特征在于，所述图像融合采用线性融合的方式，通过对不同模板图像对应像素之和求均值，并通过正弦函数对其进行归一化处理。

7.如权利要求5所述的一种基于多模板图像的图像数据增强系统，其特征在于，所述分割网络采用概率U‑Net，通过所述分割网络生成仅依靠单一的融合图像进行分割后的概率分布矩阵。

8.如权利要求5所述的一种基于多模板图像的图像数据增强系统，其特征在于，所述评估网络与所述分割网络相耦合，其中，所述评估网络采用卷积神经网络，其输入为融合图像后输出N个混淆矩阵，将N个混淆矩阵分别与分割网络得到的概率分布矩阵进行逐元素相乘，得到N个新的概率分布矩阵，与各对应模板图像计算交叉熵，再与混淆矩阵对角线之和相加后组成总损失函数，最小化损失函数以更新分割网络和评估网络的参数。

9.一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑4任一项所述的一种基于多模板图像的图像数据增强方法。

10.一种非暂态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如权利要求1‑4任一项所述的一种基于多模板图像的图像数据增强方法。