摘要：高光谱遥感图像具有丰富的光谱信息，数据量大。为了能够有效地利用高光谱图像数据，促进高光谱遥感技术的发展，该文提出一种基于自适应波段聚类主成分分析（PCA）与反向传播（BP）神经网络相结合的高光谱图像压缩算法。算法利用近邻传播（AP）聚类算法对波段进行自适应聚类，对聚类后的各个分组分别进行PCA运算，最后利用BP神经网络对所有主成分进行编码压缩。该文的创新点在于BP神经网络压缩图像时，在训练步骤过程中，误差反向传播是用原图与输出作差值，再反向调整各层的权值、阈值。对高光谱图像进行波段聚类，不仅能够有效地利用谱间相关性，提高压缩性能，还可以降低PCA的运算量。实验结果表明，该文算法与其它现有算法比较，在相同压缩比下，其光谱角更小，信噪比更高。

关键词：高光谱图像压缩 波段聚类 主成分分析 神经网络 

单位：重庆邮电大学通信与信息工程学院; 重庆400065; 重庆邮电大学移动通信技术重庆市重点实验室; 重庆400065