Pour l'extraction de caractéristiques et la classification des objets dans les images hyperspectrales, une méthode d'extraction de caractéristiques basée sur la dérivée fractionnaire est proposée. Un masque de dérivée fractionnaire bidimensionnel est conçu pour extraire les caractéristiques de dérivée fractionnaire spatiale (SpaFD) des pixels des images hyperspectrales, et un critère conjoint spectro-spatial est proposé pour sélectionner l'ordre du masque dérivé. Afin de tirer pleinement parti des caractéristiques spatiales et spectrales des images hyperspectrales, les caractéristiques SpaFD sont fusionnées directement avec les caractéristiques d'origine pour obtenir des caractéristiques hybrides SpaFD-Spe-Spa. L'efficacité des caractéristiques hybrides SpaFD-Spe-Spa est validée par un réseau neuronal convolutif tridimensionnel (3DCNN), avec une réduction dimensionnelle par analyse en composantes principales (PCA) des spectres des pixels avant leur entrée dans 3DCNN_PCA, ainsi que par un réseau spectral hybride (HybridSN). Lors des expériences, des masques de dérivée fractionnaire de taille 3×3, 5×5 et 7×7 ont été utilisés pour extraire les caractéristiques spatiales. Les résultats sur 4 images hyperspectrales réelles montrent que les caractéristiques SpaFD extraites et SpaFD-Spe-Spa peuvent efficacement améliorer la précision de classification des objets dans les images hyperspectrales, avec une amélioration plus notable de la précision à l'aide des caractéristiques SpaFD-Spe-Spa : par rapport aux caractéristiques d'origine, les taux de reconnaissance de classification sur les ensembles de données Indian Pines, Botswana, Pavia University et Salinas ont été améliorés au maximum respectivement de 3,87 %, 1,42 %, 2,41 % et 2,87 % pour les caractéristiques SpaFD ; pour les caractéristiques SpaFD-Spe-Spa, les améliorations maximales étaient respectivement de 3,90 %, 5,62 %, 3,35 % et 5,18 %.

Classification des images hyperspectrales ; dérivée fractionnaire ; extraction de caractéristiques ; réseau neuronal convolutif