1.一种高光谱图像分类方法，其特征在于，所述方法包括： 获取高光谱图像； 通过卷积神经网络对所述高光谱图像进行空间转换，得到卷积图像； 对所述卷积图像进行分割，获得分割后的多个图像片段； 对各图像片段进行卷积操作，得到卷积片段； 将各卷积片段进行连接得到目标卷积片段，将所述目标卷积片段输入至所述卷积神经网络中的全连接层，并获取所述全连接层输出的图片分类结果。 2.如权利要求1所述的高光谱图像分类方法，其特征在于，所述通过卷积神经网络对所述高光谱图像进行空间转换，得到卷积图像的步骤包括： 从所述高光谱图像中获取待分类图像信息； 获取所述待分类图像信息对应的图像立方体，并将所述图像立方体输入至卷积神经网络； 通过所述卷积神经网络中的二维卷积层对所述图像立方体进行空间转换，得到卷积图像。 3.如权利要求2所述的高光谱图像分类方法，其特征在于，所述通过所述卷积神经网络中的二维卷积层对所述图像立方体进行空间转换，得到卷积图像的步骤包括： 从所述卷积神经网络中获取预设尺寸的卷积核； 通过所述卷积核对所述图像立方体所包含的光谱带进行线性变换，得到卷积图像。 4.如权利要求1所述的高光谱图像分类方法，其特征在于，所述对所述卷积图像进行分割，获得分割后的多个图像片段的步骤包括： 获取所述高光谱图像对应的光谱； 根据所述光谱对所述卷积图像进行光谱分割，得到具有非重叠光谱轴的多个图像片段。 5.如权利要求1所述的高光谱图像分类方法，其特征在于，所述对各图像片段进行卷积操作，得到卷积片段的步骤包括： 通过自编码器并根据八度卷积算法对各图像片段进行降维，得到卷积片段。 6.如权利要求1所述的高光谱图像分类方法，其特征在于，所述将各卷积片段进行连接得到目标卷积片段，将所述目标卷积片段输入至所述卷积神经网络中的全连接层，并获取所述全连接层输出的图片分类结果的步骤包括： 将各卷积片段进行连接得到目标卷积片段； 将所述目标卷积片段输入至正则化处理后的全连接层中进行图片分类，并获得图片分类结果。 7.如权利要求1所述的高光谱图像分类方法，其特征在于，所述将所述目标卷积片段输入至正则化处理后的全连接层中进行图片分类，并获得图片分类结果的步骤包括： 将所述目标卷积片段输入至正则化处理后的全连接层； 提取所述正则化处理后的全连接层中所述目标卷积片段的多个图像特征； 根据预设函数计算各图像特征对应的分类概率，并根据分类概率与类别的映射关系得到各图像特征对应的类别； 将所述类别作为图片分类结果。 8.一种高光谱图像分类装置，其特征在于，所述装置包括： 构建模块，用于获取高光谱图像； 转换模块，用于通过卷积神经网络对所述高光谱图像进行空间转换，得到卷积图像； 分割模块，用于对所述卷积图像进行分割，获得分割后的多个图像片段； 降维模块，用于对各图像片段进行卷积操作，得到卷积片段； 分类模块，用于将各卷积片段进行连接得到目标卷积片段，将所述目标卷积片段输入至所述卷积神经网络中的全连接层，并获取所述全连接层输出的图片分类结果。 9.一种高光谱图像分类设备，其特征在于，所述高光谱图像分类设备包括：存储器、处理器及存储在所述存储器上并在所述处理器上运行的高光谱图像分类程序，所述高光谱图像分类程序配置为实现如权利要求1至7中任一项所述的高光谱图像分类方法的步骤。 10.一种存储介质，其特征在于，所述存储介质上存储有高光谱图像分类程序，所述高光谱图像分类程序被处理器执行时实现如权利要求1至7任一项所述的高光谱图像分类方法的步骤。
