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。
