本发明涉及计算机视觉领域中的小样本图像分类技术领域，具体涉及一种基于高斯化原型分类器的小样本图像分类方法，本发明首先对从主干卷积神经网络中提取的特征进行高斯化操作，从而使图像样本的特征服从高斯分布；然后，将基类数据的原型特征作为先验信息，并利用最大后验估计方法为每类新类得到可靠的高斯化原型特征；最后，新类中的查询样本被分类为与其最相似的原型所属于的类别。本发明在不借助于额外的标注信息或者复杂的优化过程的情况下，能够实现原型的一步校正，从而提高小样本图像分类性能。