随着高光谱遥感技术的快速发展,高光谱遥感技术产生的图像近几年也在诸多领域的研究中均得到广泛应用。高光谱数据对我们的研究提供了诸多方便。高光谱遥感数据由于其有众多的波段,所以在使用这些数据前,需要对这些光谱信息做预处理,从处理后的光谱信息中可以通过数据分析来获取我们需要的信息。高光谱数据应用领域也很广泛,如大气污染监测、海洋水质监测治理、农业方面对农作物的化学成分分析、军事目标真伪的判别、自然灾害预防等。但是正是由于高光谱的光谱波段多的特点,给数据分析也会带来数据维数灾难问题,导致计算成本非常高。所以对波段选择显得尤为必要。本文主要对高光谱遥感数据Indian-pines和Pavia_U通过比较使用所有特征和PCA(Principle Component Analysis)主成分提取特征,LDA(Linear Discriminant Analysis)降维后的特征,ACO(Ant Colony Optimization)选择特征和使用GA(Genetic Algorithm)优化SVM(Support Vector Machine)的核函数参数和调整参数来比较不同特征提取/选择方法提取/选择的特征训练的SVM分类器的分类精度。本篇文章的工作包括:(1)高光谱遥感数据的特性及对数据的预处理,高光谱遥感的主要应用方向。(2)GA原理及使用GA对本文中的分类器的参数优化。(3)不同的特征选择方法原理及其在本文中的应用及使用该特征提取方法训练的分类器的分类效果。