Классификатор изокластера с обучением (Image Analyst)

Доступно с лицензией Spatial Analyst.

Краткая информация

Создает файл определения классификатора Esri (.ecd) с использованием определения классификации Изокластер.

Этот инструмент выполняет неконтролируемую классификацию.

Использование

• Любой поддерживаемый Esri растр принимается в качестве входных данных, включая растровые продукты, сегментированный растр, мозаики, сервисы изображений или наборы растровых данных в общих форматах. Сегментированные растры должны быть 8-битными с 3 каналами.

• Параметр Атрибуты сегмента активен только в том случае, когда одним из входных растровых слоёв является сегментированное изображение.

Параметры

Диалог

Подпись	Описание	Тип данных
Входной растр	Набор растровых данных для классификации.	Raster Layer; Mosaic Layer; Image Service; String
Максимальное число классов / Кластеров	Максимальное количество требуемых классов для группировки пикселов или сегментов. Оно должно быть больше числа классов в легенде. Возможно, что вы получите меньше классов, чем указано этим параметром. Если необходимо больше классов, увеличьте это значение и агрегируйте классы после завершения процесса обучения.	Long
Выходной файл определения классификатора	Выходной файл формата JSON будет содержать информацию об атрибутах, статистику, гиперплоскостные векторы и другую информацию, необходимую для классификатора. Будет создан файл .ecd.	File
Дополнительный входной растр (Дополнительный)	Вспомогательные наборы растровых данных, такие как мультиспектральный снимок или ЦМР, будут добавлены для создания атрибутов и другой необходимой для классификатора информации. Это дополнительный параметр.	Raster Layer; Mosaic Layer; Image Service; String
Коэффициент пропуска (Дополнительный)	Максимальное число пропускаемых пикселов для входного пиксельного изображения. Если входным изображением является сегментированное, укажите число пропускаемых сегментов.	Long
Используемые атрибуты сегментов (Дополнительный)	Укажите атрибуты, которые будут включены в связанную с выходным растром таблицу атрибутов. COLOR—Значения цвета RGB будут получены из входного растра на основе каждого сегмента. Это также называется цвет средней хроматичности. MEAN—Средний цифровой номер (DN) будет получен из дополнительного пиксельного изображения, на основе каждого сегмента. STD—Стандартное отклонение будет получено из дополнительного пиксельного изображения, на основе каждого сегмента. COUNT—Число пикселов, составляющих сегмент, на основе каждого сегмента. COMPACTNESS—Соединяет сегменты, которые были разрезаны границами листов в процессе сегментации. Значения находятся в диапазоне от 0 до 1, где 1 соответствует кругу. RECTANGULARITY—Степень, определяющая, насколько сегмент является прямоугольным, на основе каждого сегмента. Значения находятся в диапазоне от 0 до 1, где 1 соответствует прямоугольнику.	String

Python

TrainIsoClusterClassifier(in_raster, max_classes, out_classifier_definition, {in_additional_raster}, {skip_factor}, {used_attributes})

Имя	Описание	Тип данных
in_raster	Набор растровых данных для классификации.	Raster Layer; Mosaic Layer; Image Service; String
max_classes	Максимальное количество требуемых классов для группировки пикселов или сегментов. Оно должно быть больше числа классов в легенде. Возможно, что вы получите меньше классов, чем указано этим параметром. Если необходимо больше классов, увеличьте это значение и агрегируйте классы после завершения процесса обучения.	Long
out_classifier_definition	Выходной файл формата JSON будет содержать информацию об атрибутах, статистику, гиперплоскостные векторы и другую информацию, необходимую для классификатора. Будет создан файл .ecd.	File
in_additional_raster (Дополнительный)	Вспомогательные наборы растровых данных, такие как мультиспектральный снимок или ЦМР, будут добавлены для создания атрибутов и другой необходимой для классификатора информации. Это дополнительный параметр.	Raster Layer; Mosaic Layer; Image Service; String
skip_factor (Дополнительный)	Максимальное число пропускаемых пикселов для входного пиксельного изображения. Если входным изображением является сегментированное, укажите число пропускаемых сегментов.	Long
used_attributes [used_attributes;used_attributes,...] (Дополнительный)	Укажите атрибуты, которые будут включены в связанную с выходным растром таблицу атрибутов. COLOR—Значения цвета RGB будут получены из входного растра на основе каждого сегмента. Это также называется цвет средней хроматичности. MEAN—Средний цифровой номер (DN) будет получен из дополнительного пиксельного изображения, на основе каждого сегмента. STD—Стандартное отклонение будет получено из дополнительного пиксельного изображения, на основе каждого сегмента. COUNT—Число пикселов, составляющих сегмент, на основе каждого сегмента. COMPACTNESS—Соединяет сегменты, которые были разрезаны границами листов в процессе сегментации. Значения находятся в диапазоне от 0 до 1, где 1 соответствует кругу. RECTANGULARITY—Степень, определяющая, насколько сегмент является прямоугольным, на основе каждого сегмента. Значения находятся в диапазоне от 0 до 1, где 1 соответствует прямоугольнику. Это параметр активен только в тех случаях, когда для входного растра выбран ключевой параметр Сегментированный (Segmented). Если для входных данных инструмента используется только сегментированное изображение, то атрибутами по умолчанию будутCOLOR, COUNT, COMPACTNESS и RECTANGULARITY. Если в качестве входных данных вместе с сегментированным изображением также используется in_additional_raster, то тогда также будут доступны атрибуты MEAN и STD.	String

Пример кода

TrainIsoClusterClassifier, пример 1 (окно Python)

Следующий скрипт окна Python использует классификатор Изокластер для создания файла определения неконтролируемой классификации Esri с максимум десятью классами.

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")

TrainIsoClusterClassifier, пример 2 (автономный скрипт)

Данный примерный скрипт использует классификатор Изокластер для создания файла определения неконтролируемой классификации Esri с максимум десятью классами.

# 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)

Параметры среды

Текущая рабочая область, Экстент, Географические преобразования, Выходная система координат, Коэффициент параллельной обработки, Временная рабочая область, Растр привязки