Raster mit Spektren klassifizieren (Image Analyst Tools)

Zusammenfassung

Klassifiziert ein Multiband-Raster-Dataset mit Spektralabgleichsverfahren. Die Eingabe-Spektraldaten können als Point-Feature-Class oder als .json-Datei bereitgestellt werden.

Verwendung

Wenn die .json-Eingabedatei Spektralwerte enthält, die als Prozent der Oberflächenreflexion angegeben sind, muss das Raster-Dataset mit einem sensorspezifischen Skalierungsfaktor erneut skaliert werden. Zum Beispiel können Oberflächenreflexionsprodukte, die mit Sammlung 2, Level-2 von Landsat 8 oder 9 erfasst wurden, mit dem folgenden Ausdruck auf einen Wert zwischen 0 und 1 neu skaliert werden: Raster*0.0000275+(-0.2).
Nach der Anwendung von Skalierungs- und Versatzfaktoren können sich insbesondere bei dunklen Features wie Wasser negative Werte ergeben. Solche negativen Pixelwerte müssen vor der Verwendung der SID-Klassifizierungsmethode (Spectral Information Divergence) zunächst maskiert werden.
Die Reihenfolge des klassifizierten Ausgabe-Rasters entspricht der Reihenfolge des Eingabe-Spektralprofils.
Im Folgenden sehen Sie ein Beispiel für ein Spektralprofil, das in Form einer .json-Datei bereitgestellt wird:

<!--```other { "EsriEndmemberDefinitionFile" : 0, "FileVersion" : 1, "NumberOfEndmembers" : 4, "NumberOfBands" : 7, "Endmembers" : [ { "EndmemberID" : 1, "EndmemberName" : "basalt", "SpectralProfile" : [ 0,076036952, 0,08137, 0,09371, 0,10768, 0,11076, 0,11424, 0,09824 ] }, { "EndmemberID" : 2, "EndmemberName" : "quartz", "SpectralProfile" : [ 0,75812, 0,77608, 0,80143, 0,81418, 0,82648, 0,85234, 0,86170 ] }, { "EndmemberID" : 3, "EndmemberName" : "salt deposits", "SpectralProfile" : [ 0,53381, 0,59598, 0,70402, 0,79024, 0,86628, 0,89397, 0,89507 ] }, { "EndmemberID" : 4, "EndmemberName" : "limestone", "SpectralProfile" : [ 0,15477, 0,16733, 0,19435, 0,21431, 0,24765, 0,32578, 0,32451 ] } ] }
Für die Punkt-Features sind folgende Felder erforderlich:
- classname—Ein Textfeld, das den Namen der Klassenkategorie angibt.
- classvalue—Ein "Long Integer"-Feld, das den ganzzahligen Wert für die einzelnen Klassenkategorien enthält.
Eine Esri Classifier Definition-Ausgabedatei (.ecd) kann als Eingabe für das Werkzeug Raster klassifizieren verwendet werden.

Beschriftung	Erläuterung	Datentyp
Eingabe-Raster	Das Eingabe-Multiband-Raster.	Mosaic Layer; Raster Layer; Image Service; String; Raster Dataset; Mosaic Dataset
Spektren oder Punkte	Die Spektralinformationen der verschiedenen Pixelklassen. Eine Spektralbibliotheksdatei (`.esl`) enthält die Spektralsignaturen für die Klassen, eine Trainingsgebiet-Feature-Class, die im Bereich Trainingsgebiet-Manager generiert wurde, oder als `.json`-Datei, die die Spektralsignaturen der Klasse enthält, bereitgestellt werden.	Feature Layer; File; String
Methode	Gibt die für den spektralen Abgleich verwendete Methode an. Spektralwinkel-Mapper—Bei der Berechnung des Vektorwinkels zwischen dem Eingabemultiband-Raster und dem Referenzspektrum werden die Spektren jedes Pixels als Vektor behandelt. Die Werte der Winkel werden in Radiant angegeben. Divergenz der Spektralinformationen—Die Divergenz der Spektralinformationen zwischen dem Eingabemultiband-Raster und den Referenzspektren werden berechnet. Anschließend wird anhand der Divergenz zwischen den wahrscheinlichen Verteilungen der Pixel und den Referenzspektren ein Zahlenwert für jedes Pixel berechnet. Werte sind in Radiant. Information Divergence" und "Spectral Angle Mapper"—Das Produkt der Punktzahl von "Spectral Information Divergence" und der Tangente der Punktzahl von "Spectral Angle Mapper" wird berechnet. Diese Option weist eine bessere Diskriminierungsfunktion auf, als wenn die Optionen SID und SAM einzeln verwendet werden. Normalized Spectral Similarity—Zur Berechnung wird die Methode "Normalized Spectral Similarity" verwendet. Diese Methode berechnet die Punktzahl der spektralen Übereinstimmung anhand der euklidischen Entfernung und der Punktzahl von "Spectral Angle Mapper". Diese Option weist eine ausgeprägte Diskriminierungsfunktion auf, erfordert jedoch für hohe Genauigkeit umfangreiche Referenzdaten.	String
Schwellenwerte (Optional)	Der Schwellenwert, der für den spektralen Abgleich verwendet wird. Pixelwerte, die diesen Wert überschreiten, werden als undefiniert klassifiziert. Hierbei kann es sich um einen einzelnen Wert handeln, der auf alle Spektralklassen angewendet wird, oder eine durch Leerzeichen getrennte Werteliste für jede Klasse.	String
Ausgabe-Punktzahl-Raster (Optional)	Ein Multiband-Raster, in dem die übereinstimmenden Ergebnisse für alle Endmitglieder gespeichert sind. Die Bandreihenfolge folgt der Reihenfolge der Klassen im Parameterwert Spektren oder Punkte. Wenn die Eingabe ein multidimensionales Raster ist, muss das Ausgabeformat CRF lauten.	Raster Dataset
Ausgabe-Klassifikatordefinitions-Datei (Optional)	Die `.ecd`-Ausgabedatei.	File

Rückgabewert

Beschriftung	Erläuterung	Datentyp
Klassifiziertes Ausgabe-Raster	Das klassifizierte Ausgabe-Raster.	Raster

ClassifyRasterUsingSpectra(in_raster, in_spectra_file, method, {thresholds}, {out_score_raster}, {out_classifier_definition})

Name	Erläuterung	Datentyp
in_raster	Das Eingabe-Multiband-Raster.	Mosaic Layer; Raster Layer; Image Service; String; Raster Dataset; Mosaic Dataset
in_spectra_file	Die Spektralinformationen der verschiedenen Pixelklassen. Eine Spektralbibliotheksdatei (`.esl`) enthält die Spektralsignaturen für die Klassen, eine Trainingsgebiet-Feature-Class, die im Bereich Trainingsgebiet-Manager generiert wurde, oder als `.json`-Datei, die die Spektralsignaturen der Klasse enthält, bereitgestellt werden.	Feature Layer; File; String
method	Gibt die für den spektralen Abgleich verwendete Methode an. `SAM`—Bei der Berechnung des Vektorwinkels zwischen dem Eingabemultiband-Raster und dem Referenzspektrum werden die Spektren jedes Pixels als Vektor behandelt. Die Werte der Winkel werden in Radiant angegeben. `SID`—Die Divergenz der Spektralinformationen zwischen dem Eingabemultiband-Raster und den Referenzspektren werden berechnet. Anschließend wird anhand der Divergenz zwischen den wahrscheinlichen Verteilungen der Pixel und den Referenzspektren ein Zahlenwert für jedes Pixel berechnet. Werte sind in Radiant. `SIDSAM`—Das Produkt der Punktzahl von "Spectral Information Divergence" und der Tangente der Punktzahl von "Spectral Angle Mapper" wird berechnet. Diese Option weist eine bessere Diskriminierungsfunktion auf, als wenn die Optionen SID und SAM einzeln verwendet werden. `NS3`—Zur Berechnung wird die Methode "Normalized Spectral Similarity" verwendet. Diese Methode berechnet die Punktzahl der spektralen Übereinstimmung anhand der euklidischen Entfernung und der Punktzahl von "Spectral Angle Mapper". Diese Option weist eine ausgeprägte Diskriminierungsfunktion auf, erfordert jedoch für hohe Genauigkeit umfangreiche Referenzdaten.	String
thresholds (Optional)	Der Schwellenwert, der für den spektralen Abgleich verwendet wird. Pixelwerte, die diesen Wert überschreiten, werden als undefiniert klassifiziert. Hierbei kann es sich um einen einzelnen Wert handeln, der auf alle Spektralklassen angewendet wird, oder eine durch Leerzeichen getrennte Werteliste für jede Klasse.	String
out_score_raster (Optional)	Ein Multiband-Raster, in dem die übereinstimmenden Ergebnisse für alle Endmitglieder gespeichert sind. Die Bandreihenfolge folgt der Reihenfolge der Klassen im Parameterwert `in_spectra_file`. Wenn die Eingabe ein multidimensionales Raster ist, muss das Ausgabeformat CRF lauten.	Raster Dataset
out_classifier_definition (Optional)	Die `.ecd`-Ausgabedatei.	File

Rückgabewert

Name	Erläuterung	Datentyp
out_classified_raster	Das klassifizierte Ausgabe-Raster.	Raster

Codebeispiel

ClassifyRasterUsingSpectra: Beispiel 1

In diesem Beispiel wird in einem Landsat 8-Raster eine Spektralwinkelzuordnung (Spectral Angle Mapping, SAM) durchgeführt, wobei für jede Klasse Schwellenwerte angegeben sind. Die Referenzspektren werden in einer .json-Datei bereitgestellt.

# Import system modules
import arcpy
from arcpy.ia import *

# Set local variables
in_raster = "C:/Data/LandSat8_SurfaceReflectance.tif"
in_spectra_file = "C:/Data/ref_spectra.json"
method = "SAM"
thresholds = ".08 .04 .05 .07"
out_score_raster = "C:/Data/scoreSAM.crf"
out_classifier_definition = "C:/Data/SAM_classifier.ecd"

# Run
Classified_output = arcpy.ia.ClassifyRasterUsingSpectra(in_raster, in_spectra_file, method, thresholds, out_score_raster, out_classifier_definition)

# Save output
Classified_output.save("C:/data/Classified_output.crf")

ClassifyRasterUsingSpectra: Beispiel 2

In diesem Beispiel wird die Divergenz der Spektralinformationen (Spectral Information Divergence, SID) zwischen einem Landsat 8-Raster und den aus einer Point-Feature-Class abgeleiteten Referenzspektren berechnet.

# Import system modules
import arcpy
from arcpy.ia import *

# Set local variables
in_raster = "C:/Data/LandSat8_SurfaceReflectance.tif"
in_spectra_file = "C:/Data/ref_spectra.shp"
method = "SID"
thresholds = .08
out_score_raster = "C:/Data/scoreSID.crf"
out_classifier_definition = "C:/Data/SID_classifier.ecd"

# Run
Classified_output = arcpy.ia.ClassifyRasterUsingSpectra(in_raster, in_spectra_file, method, thresholds, out_score_raster, out_classifier_definition)

# Save output
Classified_output.save("C:/data/Classified_output.crf")

Umgebungen

Zellenausrichtung, Zellengröße, Komprimierung, Aktueller Workspace, Ausdehnung, Geographische Transformationen, NoData, Ausgabe-CONFIG-Schlüsselwort, Ausgabe-Koordinatensystem, Faktor für parallele Verarbeitung, Pyramide, Raster-Statistiken, Resampling-Methode, Scratch-Workspace, Fang-Raster, Kachelgröße

Lizenzierungsinformationen

Basic: Erfordert "Image Analyst"
Standard: Erfordert "Image Analyst"
Advanced: Erfordert "Image Analyst"

Raster mit Spektren klassifizieren (Image Analyst Tools)

Zusammenfassung

Verwendung

Parameter

Rückgabewert

Umgebungen

Lizenzierungsinformationen

Verwandte Themen