Предложен метод извлечения признаков гиперспектральных изображений на основе дробных производных для задач извлечения признаков и классификации объектов. Разработана двумерная маска дробного порядка для извлечения пространственных признаков дробного порядка (SpaFD) пикселей гиперспектральных изображений и предложен совместный спектрально-пространственный критерий для выбора порядка маски производной. Для полноты использования пространственных и спектральных признаков гиперспектрального изображения признаковые SpaFD были непосредственно объединены с исходными признаками для получения смешанных признаков SpaFD-Spe-Spa. Эффективность смешанных признаков SpaFD-Spe-Spa была подтверждена с помощью 3D сверточных нейронных сетей (3DCNN), снижения размерности спектральных пикселей методом главных компонент (PCA) с последующей передачей в 3DCNN_PCA и гибридной спектральной сети (HybridSN). В экспериментах использовались маски дробного порядка размером 3×3, 5×5 и 7×7 для извлечения пространственных признаков. Результаты экспериментов на 4 реальных гиперспектральных изображениях показывают, что извлечённые признаки SpaFD и SpaFD-Spe-Spa существенно улучшают точность классификации гиперспектральных изображений, причём повышение точности с использованием признаков SpaFD-Spe-Spa более заметно: по сравнению с исходными признаками, классификационные показатели на наборах данных Indian Pines, Botswana, Pavia University и Salinas улучшились при оптимальных условиях для признаков SpaFD соответственно на 3.87%, 1.42%, 2.41% и 2.87%; для признаков SpaFD-Spe-Spa — на 3.90%, 5.62%, 3.35% и 5.18%.

Классификация гиперспектральных изображений; дробные производные; извлечение признаков; свёрточные нейронные сети