高光谱数据具有光谱波段多、维度高、数据量庞大的特点, 为了提高高光谱数据的处理速度, 需要进行降维处理, 而波段选择是高光谱降维的基本方法之一。综合考虑, 提出基于高光谱波段选择相关性、信息量及类间可分性的方法。通过虚拟维度确定高光谱图像的本征维数, 并根据波段间的相关系数进行子空间划分; 提出利用基于信息量的离散波段指数, 在各个子空间中计算出最大的波段指数构成子集; 根据类间可分性准则在子空间中选出可分性因子最大的合适波段。利用光谱角匹配选出最适合分类的波段, 组成最后的波段子集, 从而实现波段选择的降维处理。通过实验验证,所提方法与传统的最佳指数和自适应波段选择方法相比, 在一定程度上提高了高光谱图像的分类精度。