训练 ISO 聚类分类器 (Image Analyst)

需要 Spatial Analyst 许可。

摘要

使用 Iso 聚类分类定义生成 Esri 分类器定义文件 (.ecd)。

此工具用于执行非监督分类。

使用情况

• 任何 Esri 支持的栅格都可用作输入，包括栅格产品、分割栅格、镶嵌、影像服务或通用栅格数据集。分割栅格必须为 8 位 3 波段栅格。

• 仅在其中一个栅格图层输入为分隔影像的情况下激活分割属性参数。

参数

对话框

标注	说明	数据类型
输入栅格	待分类的栅格数据集。	Raster Layer; Mosaic Layer; Image Service; String
最大类数/聚类数	分组像素或分割影像时所需的最大类数。此参数应设置为大于图例中类的数量。 您获取的要素类可能会少于此参数中指定的数量。如果需要更多要素类，可在训练过程结束后增加此值并聚集类。	Long
输出分类器定义文件	包含属性信息、统计数据、超平面矢量和分类器所需的其他信息的输出 JSON 格式文件。 将创建 .ecd 文件。	File
附加输入栅格 (可选)	将对其他栅格数据集（如多光谱影像或 DEM）进行整合，从而为分类生成属性和其他所需信息。 设置此参数属于可选操作。	Raster Layer; Mosaic Layer; Image Service; String
跳跃因子 (可选)	像素影像输入所需跳过的像素数。如果输入是分割影像，则请指定要跳过的分割数。	Long
所用的分割影像属性 (可选)	指定要包括在与输出栅格相关联的属性表中的属性。 COLOR—RGB 颜色值将基于每个分割从输入栅格获取。 这也称为平均色度。 MEAN—基于每个分割，将从可选像素图像中获取的平均数字值 (DN)。 STD—基于每个分割，将从可选像素影像中获取的标准差。 COUNT—基于每个分割，构成分割的像素数。 COMPACTNESS—基于每个分割，决定分割为紧凑型还是圆形的度数。 值的范围从 0 到 1，1 表示圆形。 RECTANGULARITY—基于每个分割，决定分割为矩形的度数。 值的范围从 0 到 1，1 表示矩形。	String

Python

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

名称	说明	数据类型
in_raster	待分类的栅格数据集。	Raster Layer; Mosaic Layer; Image Service; String
max_classes	分组像素或分割影像时所需的最大类数。此参数应设置为大于图例中类的数量。 您获取的要素类可能会少于此参数中指定的数量。如果需要更多要素类，可在训练过程结束后增加此值并聚集类。	Long
out_classifier_definition	包含属性信息、统计数据、超平面矢量和分类器所需的其他信息的输出 JSON 格式文件。 将创建 .ecd 文件。	File
in_additional_raster (可选)	将对其他栅格数据集（如多光谱影像或 DEM）进行整合，从而为分类生成属性和其他所需信息。 设置此参数属于可选操作。	Raster Layer; Mosaic Layer; Image Service; String
skip_factor (可选)	像素影像输入所需跳过的像素数。如果输入是分割影像，则请指定要跳过的分割数。	Long
used_attributes [used_attributes;used_attributes,...] (可选)	指定要包括在与输出栅格相关联的属性表中的属性。 COLOR—RGB 颜色值将基于每个分割从输入栅格获取。 这也称为平均色度。 MEAN—基于每个分割，将从可选像素图像中获取的平均数字值 (DN)。 STD—基于每个分割，将从可选像素影像中获取的标准差。 COUNT—基于每个分割，构成分割的像素数。 COMPACTNESS—基于每个分割，决定分割为紧凑型还是圆形的度数。 值的范围从 0 到 1，1 表示圆形。 RECTANGULARITY—基于每个分割，决定分割为矩形的度数。 值的范围从 0 到 1，1 表示矩形。 仅当在输入栅格上将分割关键属性设置为 true 时，此参数才可用。 如果仅对此工具输入分割影像，则默认属性为 COLOR、COUNT、COMPACTNESS 和 RECTANGULARITY。 如果将 in_additional_raster 值作为输入与分割影像一起添加进来，则还可以使用 MEAN 和 STD 属性。	String

代码示例

TrainIsoClusterClassifier 示例 1（Python 窗口）

以下 Python 窗口脚本使用 ISO 聚类分类器创建最多含十个类的非监督 Esri 分类定义文件。

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 示例 2（独立脚本）

此脚本示例使用 ISO 聚类分类器创建最多含十个类的非监督 Esri 分类定义文件。

# 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)

环境

当前工作空间, 范围, 地理变换, 输出坐标系, 并行处理因子, 临时工作空间, 捕捉栅格