高光谱图像包含了丰富的空间信息和光谱信息，随着其应用的普及和数据获取手段的丰富，海量的高光谱图像给信息传输和数据存储带来了挑战,因此，研究高效的高光谱图像压缩方法成为遥感图像压缩领域的研究热点。同时，由于高光谱图像所包含的丰富语义信息，对高光谱图像进行语义分析是国民经济建设中至关重要的信息来源，但传统的高光谱图像压缩处理和语义分析独立的处理方法，由于存在重复计算和数据交互，效率较低，因此，突破常规的图像压缩或语义分析研究思路，研究端到端的两者融合算法，是实现处理协同和降低资源消耗、促进高光谱图像普及应用的关键。针对上述问题，提出一种基于深度学习的高光谱图像压缩和语义分析联合方法，在深度学习框架下，同时利用高光谱图像的谱间特征和空间特性，以及量化、熵率控制和三维特征提取等，在实现高光谱图像高质量压缩的同时，通过保留其中间计算结果，完成高光谱图像的快速语义分析；同时，通过空谱数据联合降维、深度模型到浅层模型的迁移学习，实现浅层模型条件下的低资源消耗和较高性能。