针对高光谱图像传统分类方法精度低、模型稳定性差而深度学习模型时间消耗大、计算成本高的问题,充分考虑高光谱图像的光谱信息和空间信息,提出了一种基于栈式压缩自编码的高光谱图像分类方法。将提取的邻域空间信息与待分类像素点的光谱信息融合,利用栈式压缩自编码提取融合后信息的深层特征,再利用逻辑回归确定高光谱图像中各像素点的类别。该方法在Indian Pines和Pavia University数据集上的总体分类精度分别达到了89.943%、93.949%。相比其他方法,该方法分类性能更优,可用于高光谱图像分类。