本发明公开了一种基于频域主动学习的高光谱图像分类方法，方法为采用主成分分析对高光谱图像数据集进行降维处理获得降维图像，再依次进行傅里叶变换、高通滤波、傅里叶逆变换得到高频部分；将降维图像代入熵率超像素分割得出三个尺度的超像素分割图并分别提取出三个尺度的超像素分割图特征用于制作SVM分类器的训练样本、初步结果，采用随机游走优化初步结果并对比优化后的结果得到不同的像素点集；基于高频部分查找像素点集获得高频部分所关联的像素点并采用信息量排序，获得更新训练样本的若干像素点，从而保持分类器的学习；本发明对频域保持高精度的自主学习状态，避免高光谱图像在获取和传输过程中因数据质量降低导致的图像分类精度低。