本发明提供一种高效的高光谱遥感数据压缩与分类模型，具体步骤：对原始高光谱数据进行预处理，并将其分割成单个的高光谱像素；将全卷积自动编码器网络的编码部分的输出设计为二值输出，得到具有高效光谱压缩的自动编码器CAE，将CAE与逻辑回归LR分类器结合设计出具有高效光谱压缩与快速分类的联合深度学习网络CAE_LR，将CAE_LR与JPEG2000结合设计出具有光谱和空间全维度压缩与分类的方法CAE_LR+JP2；将训练完成的CAE_LR与JPEG2000结合进行率失真优化，实现CAE_LR+JP2在各个比特率下的最佳率失真性能；本发明设计的CAE_LR+JP2模型有效地提升了星载高光谱传感器与地面接收站之间的高光谱数据的压缩和分类的精度及速度。