简介： 本发明公开了一种基于局部和非局部多特征语义高光谱图像分类方法。主要解决高光谱图像分类中正确率低，鲁棒性差，空间一致性弱的问题。其步骤包括：输入图像，提取图像多种特征；数据集切分为训练集和测试集；概率支持矢量机将所有样本的多种特征映射成相应的语义表示；构造局部以及非局部近邻集合；构建降噪马尔可夫场模型，进行语义融合和降噪处理；对语义表示迭代优化；利用语义表示求得所有样本的类别，完成高光谱图像准确分类。本发明采用了多特征融合，并对存在于图像中的空间信息充分挖掘和利用，在小样本情况下，得到了非常高的分类精度，并拥有良好的鲁棒性和空间一致性，用于军事探测、地图绘制、植被调查、矿物检测等方面。