Классификатор по методу максимального правдоподобия с обучением (Spatial Analyst)

Доступно с лицензией Spatial Analyst.

Краткая информация

Создает файл определения классификатора Esri (.ecd) с использованием определения классификации Метода максимального правдоподобия (MLC).

Использование

• Для завершения процесса классификации по методу максимального подобия используйте тот же входной растр и выходной файл .ecd инструмента Классифицировать растр .

• Входным растром может быть любой поддерживаемый Esri растр с любой глубиной пикселов.

• Для создания сегментированного набора растровых данных используйте инструмент Средний сдвиг сегмента.

• Выходной файл определения классификатора содержит статистику атрибутов, которая подходит для инструмента Классификация по методу максимального подобия.

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

• Обучающие выборки данных должны быть собраны за несколько раз с помощью Менеджера обучающих выборок. Значение размерности для каждой выборки указано в поле в векторном классе обучающих выборок, которое задано параметром Поле значения размерности.

Параметры

Диалог

Подпись	Описание	Тип данных
Входной растр	Набор растровых данных для классификации.	Raster Layer; Mosaic Layer; Image Service; String
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)	Включает вспомогательные наборы растровых данных, например, сегментированное изображение или ЦМР. Это дополнительный параметр.	Raster Layer; Mosaic Layer; Image Service; String
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
Поле значения измерения (Дополнительный)	Содержит значения измерений во входном классе объектов обучающей выборки.	Field

Python

TrainMaximumLikelihoodClassifier(in_raster, out_classifier_definition, {in_additional_raster}, {used_attributes}, {dimension_value_field})

Имя	Описание	Тип данных
in_raster	Набор растровых данных для классификации.	Raster Layer; Mosaic Layer; Image Service; String
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)	Включает вспомогательные наборы растровых данных, например, сегментированное изображение или ЦМР. Это дополнительный параметр.	Raster Layer; Mosaic Layer; Image Service; String
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
dimension_value_field (Дополнительный)	Содержит значения измерений во входном классе объектов обучающей выборки.	Field

Параметры среды

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