随着现代遥感技术的发展，高光谱遥感已成为遥感领域的前沿技术。高光谱遥感是高光谱分辨率遥感的简称。高光谱数据具有很多光谱波段且光谱分辨率很高。通过成像光谱技术所获取的目标图像包含了丰富的空间、辐射、光谱三类信息，提供了比多光谱传感器更丰富准确的光谱信息，极大地提高了遥感影像对地物的分类识别能力，从而具有广泛的民用和军事应用前景。高光谱遥感影像数据具有波段多、数据量大、数据不确定性等特点，且易受Hughes现象影响。所以，如何应用高光谱技术解决实际问题，依然具有挑战性。随着计算机科学领域的迅猛发展，空间数据库中的空间数据愈加丰富。传统的地理信息系统技术已不能满足越来越多的数据处理需求，空间数据挖掘技术逐步被应用到地理信息系统当中。空间数据挖掘在地理信息系统中的运用之一是处理遥感影像数据，以人工智能的方式进行遥感解译。目前很多空间数据挖掘算法已经成功地被应用到遥感图像处理。　　本研究针对高光谱遥感影像数据高维的特点，为提取特征尽可能保留有价值信息，本文提出首先利用线性判别分析方法对高光谱遥感影像数据进行降维预处理，接着采用极限学习机方法对其进行分类。为评估该方法的有效性，使用美国Aviris高光谱遥感影像对其进行实验。其分类效果较好，表明该算法具有较高的分类准确性。高光谱遥感影像数据量大，针对该特点，为尽可能保留数据中有价值的信息，本文提出首先采用线性判别分析方法对高光谱遥感影像数据进行降维，接着应用径向基函数神经网络方法进行分类处理。为证明该算法的有效性，实验使用美国Salinas-A高光谱遥感影像数据。实验结果准确率较高，训练收敛速度快，具有良好的分类效果。实验结果证明了该方法的可行性。