摘要：为了充分提取高光谱图像丰富的光谱信息,尽可能降低光谱冗余,同时保留较多有效判别信息.基于高光谱图像单波段的谱间相似性,提出了基于多任务学习和稀疏表示的分类算法.该方法将光谱间的冗余特性转化为有效信息加以利用,使用波段交叉分组策略构建子任务,并引入稀疏表示模型将所有分类任务进行联合表示,最终根据所有任务的累积残差确定测试样本的类别.实验对比分析了多任务联合表示分类和单任务分类的准确率.结果表明,基于多任务联合稀疏表示模型的分类性能优于单任务模型.