摘要：高光谱成像是一种多维光学技术，具有提供快速，准确的组织分类的潜力。主要的挑战是足够的处理多维信息，通常与较长的处理时间和显着的计算成本有关，这需要昂贵的硬件。在这项研究中，我们解决了体内脑组织术中高光谱图像的组织分类问题。为此，引入了两种方法，这些方法依赖于实用组织分类的盲线性乌不混合（BLU）方案。两种方法都通过BLU从训练数据集中识别与所研究组织类别相关的特征端成员，并通过最小距离方法对像素进行分类。将所提出的方法与基于监督支持向量机（SVM）分类器的机器学习方法进行了比较。与SVM方案相比，基于BLU的方法实现了〜459×和〜429×的加速因子，同时保持恒定甚至稍微改善分类性能。