O aprendizado profundo tem sido amplamente aplicado na classificação de imagens hiperespectrais de células sanguíneas. No entanto, os modelos tradicionais de aprendizado profundo requerem uma grande quantidade de dados rotulados como amostras, ignoram a natureza de "integração de espectro e imagem" das imagens hiperespectrais, não conseguem explorar totalmente as informações implícitas nas imagens hiperespectrais e apresentam muitos parâmetros e alta complexidade. Para abordar esses problemas, foi proposto a rede neural convolucional separável espaço-espectro (S³CNN), que reduz a complexidade do modelo enquanto melhora efetivamente o desempenho da classificação de imagens hiperespectrais de células sanguíneas. Com base na consistência espacial da distribuição das imagens hiperespectrais de células sanguíneas, o modelo S³CNN primeiro obtém os vizinhos espaço-espectro de cada pixel no conjunto de treinamento por meio da distância conjunta espaço-espectro (SSCD) e atribui a esses vizinhos o mesmo rótulo do pixel central correspondente para expandir a amostra. Em seguida, no modelo de rede, um conjunto de convoluções profundas e convoluções ponto são utilizadas em substituição à convolução clássica, otimizando a complexidade do modelo e alcançando a classificação das células sanguíneas. Os resultados experimentais nos conjuntos de dados hiperespectrais Bloodcells1-3 e Bloodcells2-2, em dois cenários diferentes, mostram que a precisão geral da classificação do algoritmo proposto atinge 87,32% e 89,02%, respectivamente. Em comparação com outros algoritmos tradicionais de classificação de células sanguíneas, o algoritmo deste artigo pode melhorar efetivamente o desempenho da classificação de imagens hiperespectrais de células sanguíneas. Em termos de tempo de treinamento, o modelo de convolução separável utilizado reduz o tempo de treinamento em 27% em comparação com o modelo de convolução clássico. Os resultados experimentais mostram que a estrutura de rede proposta não só pode melhorar efetivamente o desempenho da classificação de células sanguíneas hiperespectrais, mas também reduzir o tempo de treinamento do modelo.

imagem hiperespectral; classificação de células sanguíneas; rede neural convolucional; distância conjunta espaço-espectro; convolução separável