摘要：波段选择是降低高光谱数据维度,减少数据过多冗余的有效手段,是高光谱影像像素分类的重要前提。其本质上是一个复杂的组合优化问题,用传统的搜索方法不易得到满意的解。针对上述问题,提出了一种结合黄金正弦和混沌斑鬣狗算法(GSSHO)的高光谱波段选择方法。首先,使用混沌策略初始化斑鬣狗种群,提高种群的随机性和多样性;然后,用黄金正弦算法改进原始斑鬣狗算法搜索个体位置更新方式,提高算法的全局搜索能力;最后,设计结合分类精度和波段个数的适应度函数,对算法优化性能进行评价。在高光谱遥感数据集上,将该方法与其他先进优化算法进行比较,实验结果表明,该方法所选波段个数接近原波段的1/10,对于Pavia Centre数据集分类精度高达99.08%,优于其他对比方法,能以更合理的收敛方向找到最优解,所选波段数更少,分类精度更高,是一种高效的波段选择方法。