高光谱遥感作为一项新兴技术，在军事和民用领域都发挥着极其重要的作用。其中，高光谱图像目标分类一直是高光谱信息处理的重要研究方向，高精度的分类算法是实现各类应用的前提。传统的高光谱遥感图像分类与识别方法，往往多侧重于数据的光谱维信息，容易忽略空间维中包含的空间域信息，同时易受到分类器设计思想的局限，其分类效果难以进一步大幅提高。在对图谱一体化的高光谱图像分类过程中引入空间域信息能对分类准确率的提高提供帮助，本文重点研究了结合空间域信息的高光谱图像分类方法，主要工作包括：（1）对高光谱图像分类原理、类别可分性、影响分类精度的因素等进行了分析，并介绍了传统的基于空间域信息分类的方法和一种典型的结合空间域信息进行高光谱图像目标分类的方法，并用实测数据验证各算法有效性，比较了各类算法的优缺点。（2）提出了一种利用空间邻域信息对高光谱图像分类结果进行优化的方法。首先在光谱域信息的基础上采用传统的支持向量机对高光谱图像进行分类；然后，通过提取连通区域的方法去除误分像元；最后，结合空间域的邻域信息和新定义的势函数对分类结果进行优化。通过两组实测数据对所提方法进行了验证，结果表明提出的方法在降低分类结果虚警率的同时提高了准确率。（3）边缘信息是一种典型的空间信息，在前人研究的基础上改进了利用边缘信息进行高光谱图像目标分类的方法。首先利用光谱域信息和支持向量机进行高光谱图像分类；然后针对高光谱数据维数多的特点，提出了一种多波段图像边缘提取的方法；最后结合提取的边缘信息和内部膨胀法对支持向量机的分类结果进行优化。