高光譜画像分類における手動ラベル付けによるサンプルのラベル付与は高コストかつ人的負担が大きく、大量のラベルなしサンプルが有効に活用されておらず、分類結果も十分に満足のいくものではないという問題に鑑み、価値あるサンプルを提供し、畳み込みニューラルネットワーク（CNN）を用いてスペクトル・空間特徴を抽出して分類を行う手法を提案する。本手法では、少数サンプル分類において優れた性能を示すサポートベクターマシン（SVM）を用いて、反復的に不確実性が最も高いサンプルを選択し、ラベル付けを行うことで、価値ある訓練サンプルセットを構築するアドアティブラーニング法を採用している。その後、3次元畳み込みニューラルネットワーク（3D-CNN）を用いて高光譜画像のスペクトル・空間特徴を抽出する。インド・パインズおよびパビアUデータセットにおける高光譜分類実験の結果から、提案手法（3D VS-CNN）が従来の分類手法を上回る性能を示したことが確認された。