1.一种基于深度迁移网络的高光谱图像分类方法，其特征在于，包括如下步骤：步骤1，用波段选择对原始高光谱图像进行降维：去除波段冗余，得到降维后的高光谱数据X步骤2，利用源域标记样本训练辅助分类器，并使用辅助分类器得到目标域伪标签；

步骤3，构建深度迁移神经网络，基于CORAL损失利用领域适配层适配源域和目标域减小二阶统计量差异，同时基于LMMD减少源域和目标相关子空间的一阶统计量差异；

步骤4，使用训练好的辅助分类器对目标域数据进行分类；

步骤3中构建深度迁移神经网络，基于CORAL方法利用领域适配层适配源域和目标域减小二阶统计量差异，同时基于LMMD减少源域和目标相关子空间的一阶统计量差异；具体包括如下内容：深度迁移网络DTN包括全连接层、非线性层、领域适配层以及Softmax层；将降维后的源域数据F

其中，I为全连接层输入，b

其中，I

领域适配层用于适配两域分布差异，后将领域适配层的输出连接到Softmax层；深度迁移网络DTN的损失函数定义为：其中，

其中，d

子空间适应项可表示为：

其中，

源域数据分类损失可表示为：

其中，C为类别数，Y代表类别矩阵，S为深度迁移网络DTN模型预测结果。

2.根据权利要求1所述一种基于深度迁移网络的高光谱图像分类方法，其特征在于，步骤1中用波段选择对原始高光谱图像进行降维：去除波段冗余，得到降维后的高光谱数据X定义原始HSI波段数为N

定义降维后的高光谱数据X