空间光谱特征融合是公认的高光谱（HS）图像分类的有效方法。 先前的许多研究都致力于该主题。 但是，这些方法通常将空间光谱高维数据视为一维矢量，然后提取信息性特征进行分类。 在本文中，我们提出了一种新的HS图像分类方法。 具体来说，为每个像素设计基于矩阵的空间光谱特征表示，以捕获所有波段的局部空间上下文和光谱信息，从而可以很好地保留空间光谱的相关性。 然后，采用基于矩阵的判别分析方法，学习判别特征子空间进行分类。 为了进一步提高判别子空间的性能，使用了随机采样技术来产生用于最终HS图像分类的子空间