目前，大量的工作已经证明了结合谱-空信息的高光谱图像分类可以获得令人较为满意的结果。但空间信息获取过程中边界信息模糊，如何在信息丰富的高光谱图像中获取更加全面的知识，从而更好的利用高光谱图像特性是我们要解决的问题。本文提出了一种基于图的多尺度空间特征提取与协同融合的高光谱图像分类方法。该方法利用高光谱波段信息冗余的特性，从多视图角度提取不同尺度的空间特征，并使用一种新的融合方式将不同分视图的空间信息融合。本文提出的方法利用多尺度空间信息矫正了边界信息，提取到不同尺度的谱-空特征，一定程度上降低了对充分训练样本数量的依赖。我们的方法在Indian Pines和Salinas两个数据集上进行了实验，通过实验和比较结果表明，该方法在总体精度和稳定性等方面均优于其他流行的方法。