高光譜イメージングを用いてスペクトルの多くの狭帯域にわたりスペクトル観測を行うことで、物質や物体の認識に向けた貴重な情報が得られる。これは分類問題と捉えることができる。現存する多くの研究は、複雑な手作業による特徴量の設計に基づく従来のパターン認識パラダイムに従っている。しかしながら、実際の問題に対してどの特徴量が重要であるかは、ほとんど明らかになっていない。これに対して、本研究では、自動的に階層的な高次特徴量を構築する深層学習に基づく分類手法を提案する。本手法は、畳み込みニューラルネットワーク（CNN）を用いて画素のスペクトル的および空間的情報を符号化し、マルチレイヤーパーセプトロン（MLP）を用いて分類タスクを実行する。広く用いられているデータセットを用いた実験結果および定量的評価により、提案手法が高精度な高光譜データ分類に有効であることが示された。