Klassifikator "Nächste Nachbarn (K)" trainieren (Spatial Analyst Tools)

Zusammenfassung

Generiert unter Verwendung der Klassifizierungsmethode "K-Nächster-Nachbar (KNN)" eine Esri Klassifikator-Definitionsdatei (.ecd).

Der Klassifikator "Nächste Nachbarn (K)" ist eine nichtparametrische Klassifizierungsmethode, bei der ein Pixel oder ein Segment nach der relativen Mehrheit der umliegenden Nachbarn klassifiziert wird. K ist die definierte Anzahl der Nachbarn bei der Abstimmung.

Verwendung

Das Werkzeug weist den jeweiligen Klassen Trainingsgebiete zu. Die Klasse des Eingabepixels wird durch die relative Mehrheit der nächsten Nachbarn (K) bestimmt.
Als Eingabe werden beliebige von Esri unterstützte Raster akzeptiert, darunter Raster-Produkte, segmentierte Raster, Mosaike, Image-Services und generische Raster-Datasets. Die segmentierten Raster müssen 8-Bit-Raster mit 3 Bändern sein.
Die Ausgabe dieses Werkzeugs ist eine .ecd-Datei, die zum Klassifizieren neuer Raster im Werkzeug Raster klassifizieren verwendet wird. Mit dem Werkzeug Raster klassifizieren wird daraufhin die Entfernung von den einzelnen Eingabepixeln oder Segmenten zu allen Trainingsgebieten berechnet.

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.
Verwenden Sie zum Erstellen der Trainingsgebietdatei den Bereich Trainingsgebiet-Manager im Dropdown-Menü Klassifizierungswerkzeuge.
Indexbild und damit verbundene Segmentattribute von segmentierten Rastern (Schlüssel ist auf Segmentiert festgelegt) berechnet das Werkzeug aus dem RGD-segmentierten Raster. Die Berechnung der Attribute erfolgt zwecks Generierung der Klassifikatordefinitionsdatei, die in einem separaten Klassifizierungswerkzeug verwendet werden kann. Die Attribute des jeweiligen Segments lassen sich aus einem beliebigen von Esri unterstützten Bild berechnen.
Der Parameter Segmentattribute ist nur aktiv, wenn eine der Raster-Layer-Eingaben ein segmentiertes Bild ist.

Beschriftung	Erläuterung	Datentyp
Eingabe-Raster	Das Raster-Dataset, das klassifiziert werden soll. Das Einzelband-Raster oder segmentierte Raster, Multiband-Raster oder multidimensionale Raster, das klassifiziert werden soll.	Mosaic Layer; Raster 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	Eine JSON-formatierte `.ecd`-Datei, die Attributinformationen, Statistiken oder weitere Daten für den Klassifikator enthält.	File
Zusätzliches Eingabe-Raster (Optional)	Zusatz-Raster-Datasets, wie ein Multispektralbild oder ein DEM, werden integriert, um Attribute und weitere erforderliche Informationen für die Klassifizierung zu generieren. Dieser Parameter ist optional.	Raster Layer; Mosaic Layer; Image Service; String
Nächste Nachbarn (K) (Optional)	Die Anzahl der Nachbarn, die beim Suchen nach den einzelnen Pixeln oder Segmenten verwendet werden sollen. Je höher die Anzahl der Nachbarn ist, desto geringer ist der Einfluss der einzelnen Nachbarn auf das Ergebnis der Klassifizierung. Der Standardwert ist 1.	Long
Maximale Anzahl von Beispielen pro Klasse (Optional)	Die maximale Anzahl der Trainingsgebiete, die für jede Klasse verwendet werden sollen. Empfehlenswert ist ein Standardwert von 1000, wenn es sich bei den Eingaben um unsegmentierte Raster handelt. Ein Wert kleiner oder gleich 0 bedeutet, dass zum Trainieren des Klassifikators alle in den Training-Sites enthaltenen Stichproben verwendet werden.	Long
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 in der Toolbox "Image Analyst" ausgegeben wird, eine Zeitserie von Raster-Daten zu klassifizieren.	Field

TrainKNearestNeighborClassifier(in_raster, in_training_features, out_classifier_definition, {in_additional_raster}, {kNN}, {max_samples_per_class}, {used_attributes}, {dimension_value_field})

Name	Erläuterung	Datentyp
in_raster	Das Raster-Dataset, das klassifiziert werden soll. Das Einzelband-Raster oder segmentierte Raster, Multiband-Raster oder multidimensionale Raster, das klassifiziert werden soll.	Mosaic Layer; Raster 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	Eine JSON-formatierte `.ecd`-Datei, die Attributinformationen, Statistiken oder weitere Daten für den Klassifikator enthält.	File
in_additional_raster (Optional)	Zusatz-Raster-Datasets, wie ein Multispektralbild oder ein DEM, werden integriert, um Attribute und weitere erforderliche Informationen für die Klassifizierung zu generieren. Dieser Parameter ist optional.	Raster Layer; Mosaic Layer; Image Service; String
kNN (Optional)	Die Anzahl der Nachbarn, die beim Suchen nach den einzelnen Pixeln oder Segmenten verwendet werden sollen. Je höher die Anzahl der Nachbarn ist, desto geringer ist der Einfluss der einzelnen Nachbarn auf das Ergebnis der Klassifizierung. Der Standardwert ist 1.	Long
max_samples_per_class (Optional)	Die maximale Anzahl der Trainingsgebiete, die für jede Klasse verwendet werden sollen. Empfehlenswert ist ein Standardwert von 1000, wenn es sich bei den Eingaben um unsegmentierte Raster handelt. Ein Wert kleiner oder gleich 0 bedeutet, dass zum Trainieren des Klassifikators alle in den Training-Sites enthaltenen Stichproben verwendet werden.	Long
used_attributes [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 in der Toolbox "Image Analyst" ausgegeben wird, eine Zeitserie von Raster-Daten zu klassifizieren.	Field

Codebeispiel

TrainKNearestNeighborClassifier Beispiel 1 (Python-Fenster)

Dies ist ein Python-Beispiel für die Funktion TrainKNearestNeighborClassifier.

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

# Run
arcpy.sa.TrainKNearestNeighborClassifier("landsat.tif", "training_sample.shp", r"c:\data\trained_knn.ecd", 5, "COLOR;MEAN;STD;COUNT;COMPACTNESS;RECTANGULARITY")

TrainKNearestNeighborClassifier Beispiel 2 (eigenständiges Skript)

Dies ist ein Python-Skriptbeispiel für die Funktion TrainKNearestNeighborClassifier.

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

# Define input parameters
in_raster = r"C:/Data/landsat.tif"
in_training_features = r"C:/Data/training_sample.shp"
out_classifier_definition = r"C:/Data/trained_knn.ecd"
number_of_neighbors = 5
attributes = "COLOR;MEAN;STD;COUNT;COMPACTNESS;RECTANGULARITY"

# Run  - train K-Nearest Neighbor Classifier
arcpy.sa.TrainKNearestNeighborClassifier(in_raster, in_training_features,
                                         out_classifier_definition,
                                         number_of_neighbors, attributes)

Umgebungen

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

Lizenzierungsinformationen

Basic: Erfordert Spatial Analyst oder Image Analyst
Standard: Erfordert Spatial Analyst oder Image Analyst
Advanced: Erfordert Spatial Analyst oder Image Analyst