高光谱图像(HSI)分类是HSI处理中的重要预处理手段,其目标是对HSI数据中每个像素点进行类别标记,标记结果常用于识别、勘探等应用。针对HSI分类任务中存在的数据量大、数据维度高、已知样本量少等难点,提出一种基于图模型的半监督分类算法。该算法将HSI数据建立为图以实现降维,而后将分类问题归结为一个无约束的优化问题。由于在求解优化问题时涉及到矩阵求逆,数据规模大时计算复杂度会变高。为了避免大规模的矩阵求逆,采用拟牛顿法进行求解,通过对Hessian矩阵进行分解,对计算步长时涉及到的求逆操作进行近似,且该算法能够分布式实现。仿真实验表明,与现有算法相比,本算法在大规模且类别多的HSI分类任务下计算复杂度较低,能完成较高精度的分类。