1.基于局部‑非局部不确定性分析的高光谱图像分类方法，其特征在于：具体包括如下步骤：

步骤1，通过变量分离和增广拉格朗日算法来学习最大后验概率参数ω；

步骤2，基于步骤1得到的参数ω推断给定像素xi属于yi类的后验概率P(yi|xi)；

步骤3，计算像素xi的先验概率P(vi|yi)；

步骤4，基于步骤2和步骤3所得结果确定基于中心像素xi非局部区域的后验概率P(yi|xi，vi)，得到像素的分类结果。

2.根据权利要求1所述的基于局部‑非局部不确定性分析的高光谱图像分类方法，其特征在于：所述步骤2的具体过程为：利用多项式逻辑回归模型给后验概率P(yi|xi)建模，即P(yi|xi)＝P(yi|xi，ω)    (1)；

其中， 是由 提供的高斯径向基核函数，ρ为高斯径向基核函数的宽度参数。

3.根据权利要求2所述的基于局部‑非局部不确定性分析的高光谱图像分类方法，其特征在于：所述步骤3的具体过程为：令vi，j为以图像像素xi为中心的受限区域中的像素集合，图像像素xi的预定非局部覆盖区域为Si， 对应于K个类中像素xj的先验，其中：则：

其中， μ为平滑强度，z为归一化常数，像素j∈Si；B1，B2，......，BJ为非局部覆盖区域Si的子集，A代表Si中的任何一个子集；di，j为类间相对距离；

其中k也为归一化常数，计算公式如下：

4.根据权利要求3所述的基于局部‑非局部不确定性分析的高光谱图像分类方法，其特征在于：所述步骤3中，以图像像素xi为中心的受限区域为像素在5*5～23*23的范围之间。

5.根据权利要求3所述的基于局部‑非局部不确定性分析的高光谱图像分类方法，其特征在于：所述步骤4的具体过程为：采用如下公式(9)计算后验概率P(yi|xi，vi)：其中，n为非局部区域中的像素个数。