高スペクトルリモートセンシング画像の特徴抽出と地物分類に対して、分数階微分に基づく高スペクトル画像特徴抽出方法を提案した。二次元の分数階微分マスクを設計し、高スペクトル画像のピクセル空間分数階微分（SpaFD）特徴を抽出し、微分マスク階数を選択するための空間・スペクトル統合基準を提案した。高スペクトル画像の空間特徴とスペクトル特徴を十分に活用するため、SpaFD特徴と原始特徴を直接連結融合してSpaFD-Spe-Spa混合特徴を得た。3次元畳み込みニューラルネットワーク（3DCNN）、主成分分析（PCA）でピクセルスペクトルの次元削減を先に行い3DCNN_PCAに入力する方法、およびハイブリッドスペクトルネットワーク（HybridSN）を用いてSpaFD-Spe-Spa混合特徴の有効性を検証した。実験では3×3、5×5、7×7の分数階微分マスクを用いて空間特徴を抽出し、4つの実際の高スペクトル画像の実験結果は、抽出されたSpaFD特徴とSpaFD-Spe-Spa特徴が高スペクトル画像の地物分類精度を効果的に向上させることを示し、SpaFD-Spe-Spa特徴による地物分類精度の向上がより顕著であることを示した。原始特徴と比較して、Indian Pines、Botswana、Pavia University、Salinasの4つのデータセットにおけるSpaFD特徴の分類識別率は最適条件でそれぞれ3.87％、1.42％、2.41％、2.87％向上し、SpaFD-Spe-Spa特徴は最適条件でそれぞれ3.90％、5.62％、3.35％、5.18％向上した。

高スペクトル画像分類;分数階微分;特徴抽出;畳み込みニューラルネットワーク