摘要：為了充分提取高光譜圖像豐富的光譜信息,盡可能降低光譜冗余,同時保留較多有效判別信息.基于高光譜圖像單波段的譜間相似性,提出了基于多任務學習和稀疏表示的分類算法.該方法將光譜間的冗余特性轉化為有效信息加以利用,使用波段交叉分組策略構建子任務,并引入稀疏表示模型將所有分類任務進行聯合表示,最終根據所有任務的累積殘差確定測試樣本的類別.實驗對比分析了多任務聯合表示分類和單任務分類的準確率.結果表明,基于多任務聯合稀疏表示模型的分類性能優于單任務模型.