目的 高光谱图像聚类算法广泛应用于高光谱遥感图像处理,传统的聚类算法数学模型较为简单,未充分发掘高光谱遥感图像中所蕴含的空间信息。为综合利用高光谱遥感图像的空间信息和光谱信息,提出整合超像元(Simple Linear Iterative Clustering,SLIC)和万有引力峰值密度(Gravity Density Peaks,GDP)的高光谱遥感图像聚类方法。方法 首先,经过峰值密度算法(DP)完成高光谱遥感图像的波段选择；其次,通过超像元分割算法获取高光谱遥感图像的超像元；然后,进行超像元特征提取,其中包括超像元平均光谱和超像元所包含的像元集合,引入万有引力定律的思想,计算高光谱遥感图像超像元的引力峰值密度信息,并得到优化的簇质心；最后,构建像元和类别间的隶属度关系获得聚类结果。结果 利用不同信噪比模拟数据和真实高光谱数据进行试验,SLIC-GDP算法体现较强的鲁棒性。使用SLIC-GDP与传统K-Means和SLIC-KMeans,以及SLIC-DP聚类算法进行比较,本文算法可获得更高的精度,且性能稳定。结论 本文提出的S LIC-GDP算法对高光谱遥感图像能取得较好的精度,并对噪声具有良好的鲁棒性。