Maximum-Likelihood-Klassifikator trainieren (Image Analyst Tools)

Zusammenfassung

Generiert eine Esri Classifier Definition-Datei (.ecd) anhand der Klassifizierungsdefinition des Maximum-Likelihood-Klassifikators.

Verwendung

Um die Maximum-Likelihood-Klassifizierung abzuschließen, verwenden Sie dasselbe Eingabe-Raster und die Ausgabe-.ecd-Datei aus diesem Werkzeug im Werkzeug Raster klassifizieren.
Das Eingabe-Raster kann ein beliebiges von Esri unterstütztes Raster mit einer gültigen Bit-Tiefe sein.
Klicken Sie zum Erstellen eines segmentierten Raster-Datasets auf das Werkzeug Mean Shift-Segmentierung.
Verwenden Sie zum Erstellen der Trainingsgebietdatei den Bereich Trainingsgebiet-Manager im Dropdown-Menü Klassifizierungswerkzeuge.
Die Ausgabe-Klassifikatordefinitionsdatei enthält Attributstatistiken, die für das Werkzeug Maximum-Likelihood-Klassifizierung geeignet sind.
Der Parameter Segmentattribute ist nur aktiv, wenn eine der Raster-Layer-Eingaben ein segmentiertes Bild ist.
Um mit dem CCDC-Algorithmus (Continuous Change Detection and Classification) eine Zeitserie von Raster-Daten zu klassifizieren, führen Sie zuerst das Werkzeug Veränderungen mit CCDC analysieren aus. Verwenden Sie anschließend das Ausgabe-Veränderungsanalyse-Raster als Eingabe-Raster für dieses Trainingswerkzeug.

Die Trainingsgebietsdaten müssen zu mehreren Zeitpunkten mit dem Trainingsgebiet-Manager erfasst werden. Der Dimensionswert für jede Stichprobe wird in einem Feld in der Trainingsgebiet-Feature-Class aufgelistet, das im Parameter Dimensionswertefeld angegeben wird.

Beschriftung	Erläuterung	Datentyp
Eingabe-Raster	Das Raster-Dataset, das klassifiziert werden soll.	Raster Layer; Mosaic Layer; Image Service; String
Eingabe-Trainingsgebietsdatei	Die Trainingsgebietdatei bzw. der Trainingsgebiet-Layer, der die Training-Sites abgrenzt. Die Trainingsgebiete können entweder in Shapefiles oder in Feature-Classes enthalten sein. In der Trainingsgebietsdatei werden die folgenden Feldnamen benötigt: `classname`—Ein Textfeld, das den Namen der Klassenkategorie angibt. `classvalue`—Ein "Long Integer"-Feld, das den ganzzahligen Wert für die einzelnen Klassenkategorien enthält.	Feature Layer
Ausgabe-Klassifikatordefinitions-Datei	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)	Integriert Zusatz-Raster-Datasets wie ein segmentiertes Bild oder ein DEM. Dieser Parameter ist optional.	Raster Layer; Mosaic Layer; Image Service; String
Verwendete Segmentattribute (Optional)	Gibt die Attribute an, die in die dem Ausgabe-Raster zugeordnete Attributtabelle aufgenommen werden. Dieser Parameter ist nur aktiv, wenn die Schlüsseleigenschaft Segmentiert auf das Eingabe-Raster festgelegt ist. Wenn die einzige Eingabe für das Werkzeug ein segmentiertes Bild ist, lauten die Standardattribute Konvergierender Farbwert, Pixelanzahl, Kompaktheit und Rechteckigkeit. Wenn ein Wert für Zusätzliches Eingabe-Raster als Eingabe mit einem segmentierten Bild einbezogen wird, sind die Attribute Digitaler Mittelwert und Standardabweichung ebenfalls verfügbar. Konvergierender Farbwert—Die RGB-Farbwerte werden segmentbezogen aus dem Eingabe-Raster abgeleitet. Dies wird auch als "durchschnittliche Chromatizität" bezeichnet. Digitaler Mittelwert—Der digitale Mittelwert (DN) wird aus dem optionalen Pixelbild segmentbezogen abgeleitet. Standardabweichung—Die Standardabweichung wird aus dem optionalen Pixelbild, segmentbezogen abgeleitet. Pixelanzahl—Die Anzahl der im Segment enthaltenen Pixel, segmentbezogen. Kompaktheit—Der Grad der Kompaktheit oder Kreisförmigkeit eines Segments, segmentbezogen. Die Werte liegen zwischen 0 und 1, wobei 1 einem Kreis entspricht. Rechtwinkligkeit—Der Grad der Rechteckigkeit des Segments, segmentbezogen. Die Werte liegen zwischen 0 und 1, wobei 1 einem Rechteck entspricht.	String
Dimensionswertefeld (Optional)	Enthält Dimensionswerte in der Eingabe-Trainingsgebiet-Feature-Class. Dieser Parameter ist erforderlich, um mit dem Veränderungsanalyse-Raster, das vom Werkzeug Veränderungen mit CCDC analysieren ausgegeben wird, eine Zeitserie von Raster-Daten zu klassifizieren.	Field

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

Name	Erläuterung	Datentyp
in_raster	Das Raster-Dataset, das klassifiziert werden soll.	Raster Layer; Mosaic Layer; Image Service; String
in_training_features	Die Trainingsgebietdatei bzw. der Trainingsgebiet-Layer, der die Training-Sites abgrenzt. Die Trainingsgebiete können entweder in Shapefiles oder in Feature-Classes enthalten sein. In der Trainingsgebietsdatei werden die folgenden Feldnamen benötigt: `classname`—Ein Textfeld, das den Namen der Klassenkategorie angibt. `classvalue`—Ein "Long Integer"-Feld, das den ganzzahligen Wert für die einzelnen Klassenkategorien enthält.	Feature Layer
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)	Integriert Zusatz-Raster-Datasets wie ein segmentiertes Bild oder ein DEM. Dieser Parameter ist optional.	Raster Layer; Mosaic Layer; Image Service; String
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. `COLOR`—Die RGB-Farbwerte werden segmentbezogen aus dem Eingabe-Raster abgeleitet. Dies wird auch als "durchschnittliche Chromatizität" bezeichnet. `MEAN`—Der digitale Mittelwert (DN) wird aus dem optionalen Pixelbild segmentbezogen abgeleitet. `STD`—Die Standardabweichung wird aus dem optionalen Pixelbild, segmentbezogen abgeleitet. `COUNT`—Die Anzahl der im Segment enthaltenen Pixel, segmentbezogen. `COMPACTNESS`—Der Grad der Kompaktheit oder Kreisförmigkeit eines Segments, segmentbezogen. Die Werte liegen zwischen 0 und 1, wobei 1 einem Kreis entspricht. `RECTANGULARITY`—Der Grad der Rechteckigkeit des Segments, segmentbezogen. Die Werte liegen zwischen 0 und 1, wobei 1 einem Rechteck entspricht.	String
dimension_value_field (Optional)	Enthält Dimensionswerte in der Eingabe-Trainingsgebiet-Feature-Class. Dieser Parameter ist erforderlich, um mit dem Veränderungsanalyse-Raster, das vom Werkzeug Veränderungen mit CCDC analysieren ausgegeben wird, eine Zeitserie von Raster-Daten zu klassifizieren.	Field

Codebeispiel

TrainMaximumLikelihoodClassifier: Beispiel 1 (Python-Fenster)

Das folgende Skript veranschaulicht die Verwendung des Werkzeugs TrainMaximumLikelihoodClassifier im Python-Fenster.

import arcpy
from arcpy.ia import *

TrainMaximumLikelihoodClassifier("c:/test/moncton_seg.tif", "c:/test/train.gdb/train_features",
                                 "c:/output/moncton_sig.ecd", "c:/test/moncton.tif",
                                 "COLOR;MEAN;STD;COUNT;COMPACTNESS;RECTANGULARITY")

TrainMaximumLikelihoodClassifier: Beispiel 2 (eigenständiges Skript)

In diesem Beispiel wird gezeigt, wie ein Maximum-Likelihood-Klassifikator trainiert wird.

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

"""
Usage: TrainMaximumLikelihoodClassifier(in_raster, in_training_features, out_classifier_definition,
                                       {in_additional_raster}, {used_attributes})
"""

# Set local variables
inSegRaster = "c:/test/moncton_seg.tif"
train_features = "c:/test/train.gdb/train_features"
out_definition = "c:/output/moncton_sig.ecd"
in_additional_raster = "c:/moncton.tif"
attributes = "COLOR;MEAN;STD;COUNT;COMPACTNESS;RECTANGULARITY"

# Run
TrainMaximumLikelihoodClassifier(inSegRaster, train_features, out_definition,
                                 in_additional_raster, attributes)

TrainMaximumLikelihoodClassifier: Beispiel 3 (eigenständiges Skript)

In diesem Beispiel wird gezeigt, wie ein Maximum-Likelihood-Klassifikator mit einem Veränderungsanalyse-Raster aus dem Werkzeug Veränderungen mit CCDC analysieren trainiert wird.

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

# Define input parameters
in_changeAnalysisRaster = "c:/test/LandsatCCDC.crf"
train_features = "c:/test/train.gdb/train_features"
out_definition = "c:/output/change_detection.ecd"
additional_raster = ''
attributes = None
dimension_field = "DateTime"

# Run
arcpy.ia.TrainMaximumLikelihoodClassifier(
    in_changeAnalysisRaster, train_features, out_definition,
    additional_raster, attributes, dimension_field)

Umgebungen

Aktueller Workspace, Ausdehnung, Geographische Transformationen, Ausgabe-Koordinatensystem, Scratch-Workspace, Fang-Raster

Lizenzierungsinformationen