高光譜圖像分類作為高光譜圖像的基礎研究，一直是高光譜圖像重要的信息獲取手段，它的主要目標是根據待測樣本的空間幾何信息與光譜信息將圖像中的每個像素劃分為不同的類別。那么，高光譜圖像的分類方法有哪些？下文對此做了介紹。

高光譜圖像分類一般包括圖像預處理、標記訓練樣本、特征提取及選擇、分類判決及精度評價五個部分。

1.圖像預處理

由于高光譜影像在獲取過程中存在一定的噪聲，以及不同程度、不同性質輻射量的失真和幾何畸變等現象。這些畸變和失真均會導致圖像質量下降，嚴重影響其應用效果，必須進行預處理來消除這些因素的影響。高光譜數據的預處理包括很多方面的內容，主要包括條帶噪聲去除、波段間配準、數據壓縮、光譜定標等。

2.標記訓練樣本

在分類時，訓練樣本的選取是非常重要的，直接關乎后面的分類結果。在開始數據分析之前，一般先選取紅、綠、藍波段或者是其他波段合成假彩色圖像，根據假彩色合成圖像來進行整體的直觀分析，從而確定出所要分類的類別組。定義的最優類別需要滿足所做分類的有用性和可分性，同時要滿足分類的完整性。

3.特征提取與特征選擇

一般來說，盡管光譜中的每個波段圖像都提供了研究對象的一定信息，但其重要性有所不同，而且在很多情況下，各波段圖像所提供的信息常常有所重疊，波段間具有很強的相關性。為了消除數據間不必要的冗余信息，減少數據量和計算時間，需要對高光譜圖像進行特征提取。特征提取是通過映射和變換的方法，把原始模式空間的高維數據變成特征空間的低維數據。然后對特征更集中的低維數據進行處理。特征提取可以分兩類：一類是基于變換的方法，如主成分分析、最小噪聲分離變換，小波變換等，這些降維方法的優點是將高維數據直接降低到低，速度很快；另一類是基于非變換的，如波段選擇等，它的優點是保持了圖像的原有特征。

4.分類判決

分類判決是分類處理的核心階段，它關系到是否能夠充分挖掘高光譜圖像所包含豐富信息。高光譜圖像的分類過程中，由于高光譜圖像分辨率很高，所以能夠識別的類別的數目就比較多，用一些傳統的分類方法來進行分類的話，其分類效果就比較差了，這就需要一些根據圖像特點和分類目的設計或選擇怡當的分類器及其判決準則來提高其分類精度，對未知區域的樣本進行類別歸屬的判斷。

5.分類結果和精度評價

分類結束后，要對分類結果進行評價，確定分類的精度和可靠性。高光譜圖像分類精度評價是指在完成高光譜圖像分類后，依據地面真實標記參考圖，評估分類后影像的準確性。隨著高光譜遙感技術的進展，以及不同應用的復雜化具體化，高光譜圖像分類精度評價顯得越來越重要。比較常用的分類精度評價的方法有混淆矩陣、總體分類精度、Kappa錯分誤差三種評價方法。