| Beschriftung | Erläuterung | Datentyp |
Eingabe-Raster | Das Raster-Dataset, das klassifiziert werden soll. | Raster Layer; Mosaic Layer; Image Service; String |
Maximale Anzahl von Klassen/Clustern | Maximale Anzahl gewünschter Klassen für die Gruppierung von Pixeln oder Segmenten. Dieser Wert sollte größer sein als die Anzahl der Klassen in Ihrer Legende. Sie erhalten möglicherweise weniger Klassen als Sie für diesen Parameter angegeben haben. Falls Sie mehr benötigen, erhöhen Sie diesen Wert, und aggregieren Sie Klassen, nachdem Sie den Trainingsvorgang abgeschlossen haben. | Long |
Ausgabe-Klassifikatordefinitionsdatei | Die Ausgabedatei im JSON-Format, die Attributinformationen, Statistiken, Hyperebenenvektoren und weitere Daten für den Klassifikator enthält. Dabei wird eine .ecd-Datei erstellt. | File |
Zusätzliches Eingabe-Raster (optional) | Zusatz-Raster-Datasets, wie ein Multispektralbild oder ein DEM, werden integriert, um Attribute und weitere erforderliche Informationen für die Klassifizierung zu generieren. Dieser Parameter ist optional. | Raster Layer; Mosaic Layer; Image Service; String |
Sprungfaktor (optional) | Anzahl der zu überspringenden Pixel für die Eingabe eines Pixelbilds Wenn das segmentierte Bild eine Eingabe ist, geben Sie die Anzahl der zu überspringenden Segmente an. | Long |
Verwendete Segmentattribute (optional) | Gibt die Attribute an, die in die dem Ausgabe-Raster zugeordnete Attributtabelle aufgenommen werden.
| String |
Mit der Spatial Analyst-Lizenz verfügbar.
Zusammenfassung
Generiert eine Esri Classifier Definition-Datei (.ecd) anhand der ISO-Cluster-Klassifizierung.
Dieses Werkzeug führt eine nicht überwachte Klassifizierung durch.
Verwendung
Als Eingabe werden beliebige, von Esri unterstützte Raster akzeptiert, darunter Raster-Produkte, segmentierte Raster, Mosaike, Image-Services oder generische Raster-Datasets. Die segmentierten Raster müssen 8-Bit-Raster mit 3 Bändern sein.
Der Parameter Segmentattribute ist nur aktiv, wenn eine der Raster-Layer-Eingaben ein segmentiertes Bild ist.
Parameter
TrainIsoClusterClassifier(in_raster, max_classes, out_classifier_definition, {in_additional_raster}, {skip_factor}, {used_attributes})| Name | Erläuterung | Datentyp |
in_raster | Das Raster-Dataset, das klassifiziert werden soll. | Raster Layer; Mosaic Layer; Image Service; String |
max_classes | Maximale Anzahl gewünschter Klassen für die Gruppierung von Pixeln oder Segmenten. Dieser Wert sollte größer sein als die Anzahl der Klassen in Ihrer Legende. Sie erhalten möglicherweise weniger Klassen als Sie für diesen Parameter angegeben haben. Falls Sie mehr benötigen, erhöhen Sie diesen Wert, und aggregieren Sie Klassen, nachdem Sie den Trainingsvorgang abgeschlossen haben. | Long |
out_classifier_definition | Die Ausgabedatei im JSON-Format, die Attributinformationen, Statistiken, Hyperebenenvektoren und weitere Daten für den Klassifikator enthält. Dabei wird eine .ecd-Datei erstellt. | File |
in_additional_raster (optional) | Zusatz-Raster-Datasets, wie ein Multispektralbild oder ein DEM, werden integriert, um Attribute und weitere erforderliche Informationen für die Klassifizierung zu generieren. Dieser Parameter ist optional. | Raster Layer; Mosaic Layer; Image Service; String |
skip_factor (optional) | Anzahl der zu überspringenden Pixel für die Eingabe eines Pixelbilds Wenn das segmentierte Bild eine Eingabe ist, geben Sie die Anzahl der zu überspringenden Segmente an. | Long |
used_attributes [used_attributes;used_attributes,...] (optional) | Gibt die Attribute an, die in die dem Ausgabe-Raster zugeordnete Attributtabelle aufgenommen werden.
Dieser Parameter ist nur aktiviert, wenn die Schlüsseleigenschaft Segmentiert auf das Eingabe-Raster festgelegt ist. Wenn die einzige Eingabe für das Werkzeug ein segmentiertes Bild ist, lauten die Standardattribute COLOR, COUNT, COMPACTNESS und RECTANGULARITY. Wenn ein in_additional_raster-Wert als Eingabe mit einem segmentierten Bild einbezogen wird, sind die Attribute MEAN und STD ebenfalls verfügbar. | String |
Codebeispiel
Das folgende Skript für ein Python-Fenster nutzt den ISO-Cluster-Klassifikator für die Erstellung einer unüberwachten Esri Classification Definition-Datei mit bis zu zehn Klassen.
import arcpy
from arcpy.ia import *
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
TrainIsoClusterClassifier("c:/test/moncton_seg.tif", "10",
"c:/output/moncton_sig_iso.ecd","c:/test/moncton.tif",
"5", "10", "2", "COLOR;MEAN;STD;COUNT;COMPACTNESS;RECTANGULARITY")Dieses Beispielskript nutzt den ISO-Cluster-Klassifikator für die Erstellung einer unüberwachten Esri Classification Definition-Datei mit bis zu zehn Klassen.
# Import system modules
import arcpy
from arcpy.ia import *
"""Usage: TrainIsoClusterClassifier(in_raster, max_num_classes,
out_classifier_definition, {in_additional_raster},
{max_num_iterations}, {min_num_samples_per_cluster},
{skip_factor},{used_attributes})
"""
# Set local variables
inSegRaster = "c:/test/moncton_seg.tif"
maxNumClasses = "10"
out_definition = "c:/output/moncton_sig_iso.ecd"
in_additional_raster = "moncton.tif"
maxIteration = "20"
minNumSamples = "10"
skipFactor = "5"
attributes = "COLOR;MEAN;STD;COUNT;COMPACTNESS;RECTANGULARITY"
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
# Execute
TrainIsoClusterClassifier(inSegRaster, maxNumClasses,
out_definition,in_additional_raster,
maxIteration, minNumSamples, skipFactor, attributes)