去重。高光谱影像分类的主要目标是利用待测地物的空间几何信息以及其丰富的光谱信息特征，将图像中的每个像素判别为不同的地物类别。进行高光谱图像分类的传统机器学习方法包括支持向量机（Support Vector Machine，SVM）、相关向量机（Relevance Vector Machine，RVM）、神经网络、核方法、多变量逻辑回归(Multivariable Logistic Regression，MLR)等及其变体。

常见的去重方法包括：

1. 基于像素的去重方法：对于相邻像素，如果它们的光谱信息相似，则只保留一个像素并且将其它像素的信息舍弃。

2. 基于区域的去重方法：首先将图像分成若干个不同的区域，然后对于每一个区域，选择代表性像素进行保留，其它像素的信息则被舍弃。

3. 基于光谱信息的去重方法：根据像素的光谱信息进行聚类，将相似的像素合并到一起，从而实现去重的目的。

4. 基于空间信息的去重方法：利用像素之间的空间关系，将相邻的像素合并到一起，减少图像中的冗余信息。

这些方法可以单独使用，也可以结合使用，以达到更好的去重效果。