针对传统谱聚类算法难以应用于大规模高光谱图像，以及现有的改进谱聚类算法对大规模高光谱图像的处理效果不佳的问题，为降低聚类数据的复杂度，以降低聚类过程的计算成本从而多方面提升聚类性能，提出一种基于超像素锚图二重降维的高光谱聚类算法。首先，对高光谱数据进行主成分分析（PCA）处理，并针对高光谱图像的区域特性对其进行基于超像素切割的降维；其次，通过构造锚图的思想对上一步所得数据进行锚点的选取，并构建邻接锚图来实现二重降维，从而进行谱聚类；同时，为去除算法运行中人为调节参数的环节，在构建锚图时采用一种去除高斯核的无核锚图构造方式以实现自动构图。在Indian Pines数据集和Salinas数据集上的实验结果表明所提算法在保证可用性与低耗时的前提下可提高聚类的整体效果，从而验证了所提算法能提高聚类的质量与性能。
