1.一种基于均值漂移和过采样的高光谱图像不平衡分类方法，其特征在于，包括以下步骤：

101、首先获取高光谱图像，将高光谱图像的每一个像素点用特征向量表示，用主成分分析降维法提取第一主成分高光谱图像；

102、对第一主成分高光谱图像利用均值漂移算法得到分割图块，对分割图块中的像素点光谱值求和做平均得到局部空间信息；

103、同时随机选取高光谱图像数据中的类别样本，对其中少数类样本x'采用SMOTE技术过采样预处理，然后对各个类别样本两两训练支持向量机；

104、对经过步骤103支持向量机分类平面上的少数类样本的支持向量再次过采样；

105、提取步骤102经过均值漂移算法得到的光谱图像空间信息，并对步骤104经过再次过采样的每一个测试像素点利用混合核支持向量机分类器得到分类图；

106、最后由最大投票方法对分割图和分类图融合得到最终的分类结果。

2.根据权利要求1所述的基于均值漂移和过采样的高光谱图像不平衡分类方法，其特征在于，所述步骤101具体为：获取高光谱图像X，X＝{x1,x2,...,xN}∈RH,该高光谱图像X包含mi类像素点，而且每一类别的像素点个数都不一样，图像的每一个像素点为一个样本，用xi表示第i个样本的特征向量，R表示实数域，样本的特征维数为H。

3.根据权利要求1或2所述的基于均值漂移和过采样的高光谱图像不平衡分类方法，其特征在于，步骤102具体为：将第一主成分高光谱图像X1st分割成S块，得到高光谱图像的分割图Iw，并且对每一个分割块的像素光谱值求和作平均 得到空间信息

4.根据权利要求3所述的基于均值漂移和过采样的高光谱图像不平衡分类方法，其特征在于，步骤103具体为：随机选取高光谱数据x，利用SMOTE算法构造新的样本x'＝x+random(0,1)×xi。

5.根据权利要求3所述的基于均值漂移和过采样的高光谱图像不平衡分类方法，其特征在于，步骤104中提取的空谱信息 和光谱信息建立混合核函数K(xi,xj)＝μKs(xis,xjs)+(1-μ)Kw(xiw,xjw)。

6.根据权利要求3所述的基于均值漂移和过采样的高光谱图像不平衡分类方法，其特征在于，步骤103对少数类支持向量过采样得到新的少数类支持向量个数Nnew，使得分类平面上的少数类支持向量与多数类支持向量达到平衡，Nnew的计算的具体步骤如下所示：

4a)计算出由过采样后的少数类与多数类训练的子分类器模型中的少数类支持向量个+数N-，和多数类支持向量个数N；

4b)根据支持向量过采样方法计算得出少数类支持向量个数

4c)比较过采样后少数类支持向量个数Nnew和多数类支持向量的个数N+，如果|N+-Nnew|≤5，则不处理，如果|N+-Nnew|＞5则重新带到4b)继续进行少数类支持向量过采样。