纳西族东巴画是中国少数民族文化的瑰宝,同样也是中国西南地区最具原始特色且风格特征十分独特的少数民族文化作品。在东巴画中有人物、动物、鬼、神等艺术形象,他们是典型的东巴画形象,来源于纳西族人民的日常生活和信仰崇拜。但东巴画艺术作品地处偏远,当地经济发展较为落后,这些作品岁月悠久但是缺乏保护,存世量较少。东巴画作品分类对保护少数名族艺术作品和为东巴画进行艺术归档和数字化处理都很有意义。现有的图像分类方法或是基于图像底层特征,仅能对特定纹理风格进行分类但不能对具体形象作分类,或是基于深度神经网络,需要大量的数据集作为训练,对样本量、数据量较少的东巴画形象不适用。因此,本文针对纳西族东巴画中艺术形象线条突出,色彩分明,数量较少的特点,提出一种端到端的、基于图神经网络的小样本分类方法。首先,为了解决原图像转换为嵌入节点时信息提取不充分或信息遗失的问题,采用多分辨率多尺度的图像特征提取网络获得东巴画的特征,并将该特征与边缘特征融合后嵌入图神经网络中作为节点。其次,在图神经网络分类过程中,为了更全面的表示与保存节点分类时所需的关系信息,采用二维的边标记特征代替传统的一维边权值用作分类依据,使用二维的边特征可以同时保存两种节点间的关系信息,即更好的保留了节点分类时所需的类内相似性和类间相异性。再次,通过提出一种自注意力机制与显著特征注意力机制相结合的方法引导节点特征的更新,解决邻域节点特征聚合更新过程中存在的节点间特征联系不够紧密,以及缺少各特征的显著性判断筛选的缺点,使得节点特征更新过程更具有针对性和有效性。最后,通过幕式训练方法迭代训练,以类内相似性、类间相异性、特征显著性注意力以及节点特征进行传递,更新边标记特征,使边标记特征完整的反应节点间的类间关系,并获得所有节点间的边标记特征,并通过图中所有节点与待预测节点间边标记特征的权值获得最终分类。实验结果表明,本文提出的方法能更好的提取东巴画图像的特征,更好的保留了东巴画分类所需的局部细节和结构特征,在东巴画的小样本数据集上的分类准确度更好。