摘要：傳統依據圖嵌入的高光譜圖像維數約簡算法多數僅利用光譜信息表征像元間單一關系,忽視了數據間的多元幾何結構。本文提出了一種面向高光譜圖像分類的空-譜協同正則化稀疏超圖嵌入算法(SSRSHE)。該算法首先利用稀疏表示揭示像元之間的相關性,自適應選擇近鄰,并構建稀疏本征超圖和懲罰超圖,以有效表征像元間的復雜多元關系,并進行正則化處理。然后利用遙感圖像空間一致性原則,計算局部空間鄰域散度來保持樣本局部鄰域結構,并引入樣本總體散度來保持高光譜數據的整體結構。在低維嵌入空間中,盡可能使類內數據聚集、類間數據遠離,提取鑒別特征用于分類。在Indian Pines和PaviaU高光譜遙感數據集上試驗結果表明,本文算法總體分類精度分別達到86.7%和 92.2%。相比傳統光譜維數約簡算法,該算法可有效改善高光譜圖像地物分類性能。