目前，大多数基于图卷积网络的高光谱图像分类方法强调图节点特征聚合而不是图池化，导致其浅层网络下无法提取深层判别特征。此外，为了在池化层后获得新的图，现有的用于高光谱图像分类的图池化方法只考虑节点特征信息来选择重要节点，并直接丢弃未选择的节点，可能会导致信息丢失。为了解决这个问题，提出了一种新的具有拓扑特征感知池的图U-Net用于高光谱图像分类，考虑利用深度网络来提取特征，并自动选择有利于分类的节点。更具体地说，为了建立更精确的池图，考虑了图的拓扑结构和节点特征信息，使节点选择过程更具客观性。