1.一种面向分类的高光谱遥感影像噪声波段探测方法，其特征在于：包括以下步骤：

S1：基于给定的高光谱遥感影像，结合Google Earth对应区域的高空间分辨率遥感影像，采用目视解译方法得到高光谱遥感影像中某一类别纯净地物的样本；

S2：获取所述样本的光谱信息，所有的样本连同对应的光谱信息组成具有光谱信息的训练样本集；所述光谱信息对应不同的光谱波段；

S3：以所述光谱波段作为随机森林的特征变量，通过所述训练样本集训练得到多个决策树，聚合所述多个决策树即构成了随机森林；

S4：计算所述光谱波段的重要性，并按照由小到大的顺序进行排序，形成L型曲线，将所述L型曲线的拐点位置对应的光谱波段的重要性确定为所述随机森林的光谱波段的重要性阈值P；

S5：计算实际输入到所述随机森林中的某一高光谱遥感影像中Q个光谱波段的重要性，从所述Q个光谱波段的重要性中选择任一光谱波段的重要性，判断所述任一光谱波段的重要性与所述光谱波段的重要性阈值P的大小，若所述任一光谱波段的重要性小于所述光谱波段的重要性阈值P，则所述任一光谱波段的重要性对应的光谱波段即为探测出的严重噪声波段。

2.如权利要求1所述的一种面向分类的高光谱遥感影像噪声波段探测方法，其特征在于：步骤S3中的具体步骤为：步骤3.1：从大小为M的所述训练样本集中有放回的随机抽取S个样本，组成分类样本集，作为决策树的训练样本；将训练样本的光谱波段作为随机森林的特征变量；对于具有N个光谱波段的训练样本，对应有N个特征变量；

步骤3.2：根据所述分类样本集的特征向量，采用迭代方法，得到所述高光谱遥感影像的多个决策树，并基于Gini指数进行所述多个决策树中各节点的属性选择，将选择的属性作为所述多个决策树中各节点的分裂属性；直到分裂的某一节点包含的样本全属于同一类别、不再需要进一步划分、当前属性集合或者样本集合为空，不能继续划分为止；

步骤3.3：将所述多个决策树聚合，组成随机森林。

3.如权利要求1所述的一种面向分类的高光谱遥感影像噪声波段探测方法，其特征在于：步骤S4中所述光谱波段的重要性为所述随机森林中所有决策树节点不纯度减少量的平均值，节点不纯度减少量通过到达该节点的概率进行加权得到，该概率为到达该节点的训练样本占总训练样本的比例；光谱波段Xm的重要性Im p(Xm)是通过在类别标记Y的过程中对所有使用光谱波段Xm的节点t在决策树T上的不纯度减少量进行加权平均得到的，即：其中，T为决策树的集合，NT为随机森林中决策树的数量；p(t)为样本到达该节点t的概率，st为树链剖分，v(st)为所述树链剖分st中使用的变量，Δi(st,t)为所述树链剖分st在节点t处的不纯度减少量。

4.如权利要求3所述的一种面向分类的高光谱遥感影像噪声波段探测方法，其特征在于：步骤S5中所述的严重噪声波段，含有的地物判别信息少，对所述的严重噪声波段进行剔除。

5.如权利要求1所述的一种面向分类的高光谱遥感影像噪声波段探测方法，其特征在于：步骤S5中，若所述任一光谱波段的重要性大于所述光谱波段的重要性阈值T，则说明所述任一光谱波段对应的光谱波段含有大量地物判别信息，对所述任一光谱波段对应的光谱波段进行保留。