近年来,深度学习在图像处理领域得到了广泛的应用,其中全卷积网络改进了卷积神经网络的结构,对每个像素产生一个预测从而达到对图像像素级的预测分类,高效地解决了语义级别的图像分割问题。本文针对高光谱遥感图像处理进行研究,利用全卷积网络的优势对高光谱遥感图像进行处理,提取高光谱遥感图像的特征,用于分类。本文的主要工作和研究内容如下:(1)实现了基于全卷积网络的高光谱遥感图像特征提取方法。针对传统的高光谱遥感图像特征提取方法未将光谱信息与空间信息结合的缺陷,实现了基于全卷积网络的高光谱遥感图像特征提取方法,结合光谱信息和空间信息,提取特征用于分类。实验结果表明,将该特征提取算法用于高光谱遥感图像分类,在不同数据集上都可以得到较好的分类结果。(2)实现了基于多卷积层信息融合的高光谱遥感图像特征提取方法,研究了不同卷积层叠加与特征叠加对分类效果的影响。在利用全卷积网络对高光谱遥感图像进行特征提取的基础上,对于不同卷积层叠加组合所得的特征和不同特征叠加对分类结果的影响分别进行了对比实验。实验结果表明:不同的卷积层叠加组合而得的特征对高光谱遥感图像分类效果的影响较小;特征叠加对于高光谱遥感图像的分类效果有改进作用。(3)编写了一个用于高光谱遥感图像分类处理的软件系统。该软件系统根据基于全卷积网络的高光谱遥感图像的特征提取算法以及后续的基于稀疏表示的分类实验进行设计,包含了高光谱遥感图像分类的具体过程,可以实现针对不同高光谱遥感图像数据集,不同特征提取算法的分类实验,直观展示了各个数据集上不同特征提取算法、不同参数的分类步骤和效果,使得高光谱遥感图像分类实验更为直观具体,更易对实验结果进行探究和对比。