高光谱遥感的发展使得遥感图像分类在遥感学上又上了一个崭新的台阶，高光谱遥感已经成为遥感领域的前沿科技，其中高光谱图像分类技术已经成为高光谱遥感处理领域的研究热点，高光谱遥感的诸多特点保证了高光谱遥感图像应用于地物分类的高精确性和有效性，但同时高光谱图像的一些特点却使得高光谱分类过程中遇到了阻碍和制约，如“维数灾难”，噪声现象和小样本等问题。目前，国内外很多学者都在致力于解决这些高光谱分类遇到的困难和矛盾，并取得了各个方面的有价值的进展。本文提出了一种针对于高光谱图像的监督分类算法，支持向量机(Support VectorMachine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势。子空间投影方法最初是线性特征抽取和数据压缩的产物，其作用是将矢量形式给出的数据压缩到能量集中的主轴上，实现数据从高维空间向低维空间映射。本文实现了将支持向量机与子空间方法结合并利用LIBSVM工具箱对高光谱图像数据的分类，且通过严密的验证方法对实验结果进行了验证，证明本文的方法科学、可行，并具有很高的实际应用价值。