一种基于改进CNN网络的轻量化模型的医学高光谱图像分类方法

本发明涉及一种基于改进CNN网络的轻量化模型的医学高光谱图像分类方法，属于高光谱图像处理技术领域。首先，对医学高光谱图像数据集进行黑白校正、波段剔除、平滑降维和标准化预处理，再对预处理后的医学高光谱图像裁剪成以目标类别为中心的可重叠3D图像块；其次，将医学高光谱图像数据集划分为训练集、验证集和测试集，构建改进的卷积神经网络的轻量化架构，并学习光谱和空间特征；随后，将学习到的特征输入到权重自适应轻量化卷积模块中；最后，通过Kolmogorov–Arnold Networks得到最终的分类结果，并结合评价指标和其他模型进行分类精度的评价。本发明在降低模型参数量和计算量的同时，能实现对医学高光谱图像的精确分类，可在临床中进行实时检测。