波段选择是高光谱遥感图像降维的一项重要任务,其目标是选择包含较少冗余信息、较大信息量和具有类别可分性的波段子集.为解决基于近邻子空间划分的波段选择方法没有考虑地物空间分布和计算聚类中心时忽略噪声波段影响的问题,本文提出了一种结合空谱结构与改进局部密度的高光谱图像波段选择方法.该方法首先对高光谱图像进行基于熵率的图像分割获得高光谱图像同质区域,综合同质区域相关系数矩阵获得图像区域级近邻波段相关系数向量;其次,用高斯核平滑全局近邻波段相关系数向量以降低噪声波段的影响,并根据极值点进行波段分组;然后,最大化改进局部密度和波段信息熵的乘积作为选取代表性波段的标准;最后,在Indian　Pines、Botswana和Salinas高光谱图像数据集上,通过SVM、KNN和LDA分类器上进行分类实验.结果表明:(1)对比像素级相关系数划分方法,利用区域级相关系数使得近邻波段分组更为合理,降低波段冗余性,同时还保留了部分潜在特征波段,在3个数据集上的分类性能分别提高了　2.63％,0.68％,0.16％;(2)对比仅使用信息熵的波段衡量方法,本文提出的最大化改进的局部密度和信息熵乘积的方法是有效的,在3个数据集上OA分别提高了　4.13％、0.5％和0.21％;(3)对比其他6种先进波段选择方法,本文方法在3个数据集上的OA分别从62.34％提高到75.03％、86.74％提高到88.28％和86.04％提高到92.36％.此外,所选择的波段子集在分布上较为分散,主要集中在信息熵较高的区域,同时避免了选择噪声波段.综上,本文提出的波段选择方法所得波段子集具有较低的冗余性、丰富的信息量、强的类别可分性,并且对噪声具有较强的鲁棒性,能够有效地解决高光谱图像波段选择的问题.