本发明公开了一种基于加权旋转深度森林的高光谱遥感图像分类方法，其特点是该方法包括：S1、获取高光谱卫星遥感数据进行预处理操作，并划分为训练集和测试集；S2、基于深度森林技术构建成一个具有加权旋转功能的高光谱遥感图像分类模型。这一模型由多粒度扫描和级联森林两个主要模块组成，每层级联森林中包括旋转森林和完全随机森林各两个；S3、在训练过程中，训练数据被送入该加权旋转遥感图像分类模型，模型利用多粒度扫描对数据进行细致的滑动窗口分析，从而产生不同粒度大小并进行加权处理后的子样本，随后对子样本进行池化操作；S4、这些加权池化子样本逐层通过级联森林，每层的输出都是一个预测结果，最终形成经过训练的高光谱遥感图像分类模型。本发明与现有技术相比在多粒度扫描阶段加入了加权层和池化层，在级联森林阶段加入了旋转森林，有效提升了对稀有类别样本的识别能力，提高模型的训练速度，准确度和稳定性，增强了模型的泛化能力。