1.一种快速压缩高光谱图像的矢量量化方法，其特征在于，读取高光谱图像数据构建初始码书Y，将初始码书做PCA运算，获得PCA特征矩阵U，根据U的分量Ur提取初始码书的主成分得到初始码书主成分YU；在训练矢量中排除异常像素，从排除异常像素的训练矢量中提取训练矢量主成分BU；记录训练矢量主成分对应的关系索引IB；根据初始码书主成分YU对训练矢量主成分BU进行聚类，所有矢量聚类后根据索引IB找到对应训练矢量，利用每个胞腔中找到的训练矢量的质心更新码书，获得最终训练矢量码书，将最终训练矢量码书和训练矢量码字索引进行存储并传输。

2.根据权利要求1所述的方法，其特征在于，构建初始码书Y具体为：读取三维高光谱图像数据，转化为二维矢量数据，将二维矢量数据的所有维度相加得到和值，根据和值将二维矢量数据排序，根据码书大小将排序后的矢量平均分成多份，取每份的质心作为初始码书。

3.根据权利要求1所述的方法，其特征在于，根据U的分量Ur提取初始码书的主成分具体包括：将同一波段的数据作为矩阵的相同列元素，矩阵中每一行为一个k维码子；根据码书Y的元素Yjr,j＝1,2,…,N,r＝1,2,…,k调用公式 计算每个波段的样本均值，其中N为码书大小，根据各波段的样本均值和高光谱数据矩阵中各个波段的数据计算任意两个波段的协方差组成协方差矩阵C，根据协方差矩阵C的特征向量大小对C的特征向量排序得PCA特征矩阵，取特征矩阵U中预定分量与初始码书相乘得到初始码书主成分YU。

4.根据权利要求1所述的方法，其特征在于，利用改进的RXD算法对训练矢量进行异常检测，记录异常像素的矢量值BRXD1,BRXD2,…,BRXDM和位置索引IRXD，从训练矢量中排除异常像素，对异常像素的矢量不压缩，直接传输其矢量值。

5.根据权利要求1所述的方法，其特征在于，将特征矩阵中预定分量Ur与训练矢量B1相乘得到训练矢量矩阵主成分BU，获取训练矢量和训练矢量主成分对应关系索引IB，依次将矩阵BU中的矢量利用高效排除不等式算法在初始码书主成分YU中快速搜索最佳匹配码字，依次将BU中的训练矢量划分到最佳匹配码字所对应的胞腔中，记录对应的码字索引，根据索引IB找到对应的原训练矢量。

6.根据权利要求1所述的方法，其特征在于，所述将初始码书Y做PCA运算具体包括：将Y的每一行作为一个码子，Y的每一列为一个波段的数据，得到一个由N个k维行矢量组成的向量组，即 根据公式 r＝1,2…,k计算每个波段的样本均值，根据公式Cij＝E[(Yi-mi)(Yj-mj)T]，i,j＝1,2,…,k计算任意两个波段的协方差Cij，根据协方差构建协方差矩阵： 寻找使得C可对角化的正交矩阵U作为PCA特征矩阵，其中，Yi，Yj表示高光谱数据矩阵中i,j波段的数据，mi(mj)表示对应i(j)波段的样本均值，E[·]表示求方括号中向量的数学期望。

7.根据权利要求4所述的方法，其特征在于，根据第i个训练矢量的和值αi计算和值的累积分布函数Pr(a)；给定可靠系数γ，找到满足Pr(a)≤γ的最大和值α0；找到最大和值α0对应的训练矢量r0，根据公式：δ＝r0TU-1r0计算阈值，如训练矢量大于阈值，则对应像素为异常像素。