高光谱影像中的丰富信息为材料分类和识别提供了重要机会。 由于高数量的光谱通道以及少量标记的训练样本带来的“维数诅咒”(称为休斯现象)问题,降维是高光谱数据的必要预处理步骤。 通常,为了提高分类精度,通常预先手动地去除由各种源(主要是传感器和大气)产生的噪声带。 但是,删除这些频段可能会丢弃一些重要的区分性信息,从而最终降低分类精度。 在本文中,我们提出了一种无需手动删除频段即可自动选择频段的新策略。 首先,应用小波收缩对整个数据立方体的空间图像进行消噪。 然后,使用亲和力传播(这是最近提出的一种特征选择方法)来从降噪数据中选择代表频带。 由两个不同传感器收集的三个真实高光谱数据的实验结果表明,我们的方法在整个数据上选择的波段(包含噪声波段)可以比其他先进的特征选择技术获得更高的总体分类精度。手动去除(MBR)数据,甚至比通过MBR数据提出的方法所识别的波段更好,这表明去除的“噪声”波段对于高光谱分类是有价值的,不应予以消除。