به دلیل ویژگی هایی که تصاویر ابرطیفی دارند، طبقه بندی آنها همراه با مشکلاتی است که برای رفع آنها نیاز به چندمرحله عملیات روی پیکسل ها می باشد. یکی از مشکلات عمده حجم بالای داده ها می باشد. در کاهش ابعاد این تصاویر بهعلت درهم پیچیده بودن داده ها نمی توان به روش خطی آنها را کاهش ابعاد داد. همچنین به علت تعداد نمونه هایبرچسب دار محدود نمی توان آنها را به روش نظارت شده طبقه بندی کرد. در این مقاله روشی جهات طبقه بندی اینتصاویر پیشنهاد شده که بر اساس اطلاعات طیفی و مکانی پیکسل ها، آنها را طبقه بندی می کند. روش کاهش ابعادغیرخطی به علت مدل سازی صحیح داده ها برای این تصاویر موفقیت آمیز بوده و می تواند به خوبی بر داده های نویزیغلبه کند، همچنین طبقه بندی نیمه نظارت شده به علت غلبه بر مشکل پدیده ابعاد بالا و ماهیت متغیر پیکسل ها برای اینتصاویر بسیار مناسب است و می توان جداکننده ها را به خوبی توسط این روش آموزش داد تا برای سایر داده های بدونبرچسب مشابه نیز موفق عمل کند. در این مقاله با توجه به ویژگی های این نوع تصاویر، روشی برای غلبه بار مشکلات طبقه بندی پیشنهاد شده است.