Calculer les points de rattachement (Outils de gestion des données)
Résumé
Calcule les points de rattachement entre des éléments superposés du jeu de données mosaïque. Les points de rattachement peuvent ensuite être utilisés pour calculer les ajustements de bloc du jeu de données mosaïque.
Si votre jeu de données mosaïque comporte de nombreux éléments, soyez prudent lorsque vous spécifiez la valeur du paramètre Output Image Features (Entités image en sortie) car le traitement de votre résultat risque d’être long.
Jeu de données mosaïque en entrée qui est utilisé pour créer des points de rattachement.
Mosaic Layer; Mosaic Dataset
Points de contrôle en sortie
Table de points de contrôle en sortie. Cette table contient les points de rattachement créés par cet outil.
Feature Class
Similarité
(Facultatif)
Spécifie le niveau de similarité qui sera utilisé pour l’appariement des points de rattachement.
Similarité faible—Les critères de similarité des deux points appariés sont faibles. Cette option génère le plus grand nombre de points appariés, mais certains des appariements peuvent compter un niveau d’erreur plus important.
Similarité moyenne—Les critères de similarité des points appariés sont moyens.
Similarité élevée—Les critères de similarité des points appariés sont élevés. Cette option génère le moins grand nombre de points appariés, mais chaque appariement aura un niveau d’erreur plus faible.
String
Masque de saisie
(Facultatif)
Classe d’entités surfaciques utilisée pour exclure les zones qui ne sont pas incluses dans le calcul des points de contrôle.
Le champ mask peut contrôler l’inclusion ou l’exclusion des surfaces. La valeur 1 indique que les surfaces définies par les polygones (à l’intérieur) seront exclues du calcul. La valeur 2 indique que les polygones définis (à l’intérieur) seront inclus dans le calcul, tandis que les surfaces situées à l’extérieur des polygones seront exclues.
Feature Layer
Entités image en sortie
(Facultatif)
Table de points d'entités images en sortie. Elle est enregistrée en tant que classe d’entités surfaciques. Cette sortie peut être très volumineuse.
Feature Class
Densité de point
Détermine le nombre de points de rattachement à créer.
Densité de point faible—La densité des points sera faible, créant le moins de points de rattachement.
Densité de point moyenne—La densité de points sera moyenne, créant un nombre modéré de points.
Densité de point élevée—La densité de points sera élevée, créant le plus de points.
String
Distribution de points
Spécifie si les points présentent une distribution régulière ou aléatoire.
Distribution de points aléatoire—Les points seront générés de manière aléatoire. Les points générés de manière aléatoire sont mieux adaptés aux zones superposées avec des formes irrégulières.
Distribution de points régulière—Les points seront générés selon un modèle fixe. Les points basés sur un motif fixe utilisent la densité de points pour déterminer la fréquence de création des points.
String
Précision d'emplacement de l'image
Spécifie le mot-clé qui décrit la précision de l’imagerie.
Précision de la localisation de l’image faible—Les images présentent une translation et une rotation importantes (> 5 degrés). L’algorithme SIFT est utilisé dans le calcul d’appariement des points.
Précision de la localisation de l’image moyenne—Les images présentent une translation moyenne et une rotation faible (<5 degrés). L’algorithme Harris sera utilisé dans le calcul d’appariement des points.
Précision de la localisation de l’image élevée—Les images présentent une translation faible et une rotation faible. L’algorithme Harris est utilisé dans le calcul d’appariement des points.
String
Options supplémentaires
(Facultatif)
Options supplémentaires pour le moteur d'ajustement. Les options sont uniquement utilisées par les moteurs d’ajustement tiers.
Jeu de données mosaïque en entrée qui est utilisé pour créer des points de rattachement.
Mosaic Layer; Mosaic Dataset
out_control_points
Table de points de contrôle en sortie. Cette table contient les points de rattachement créés par cet outil.
Feature Class
similarity
(Facultatif)
Spécifie le niveau de similarité qui sera utilisé pour l’appariement des points de rattachement.
LOW—Les critères de similarité des deux points appariés sont faibles. Cette option génère le plus grand nombre de points appariés, mais certains des appariements peuvent compter un niveau d’erreur plus important.
MEDIUM—Les critères de similarité des points appariés sont moyens.
HIGH—Les critères de similarité des points appariés sont élevés. Cette option génère le moins grand nombre de points appariés, mais chaque appariement aura un niveau d’erreur plus faible.
String
in_mask_dataset
(Facultatif)
Classe d’entités surfaciques utilisée pour exclure les zones qui ne sont pas incluses dans le calcul des points de contrôle.
Le champ mask peut contrôler l’inclusion ou l’exclusion des surfaces. La valeur 1 indique que les surfaces définies par les polygones (à l’intérieur) seront exclues du calcul. La valeur 2 indique que les polygones définis (à l’intérieur) seront inclus dans le calcul, tandis que les surfaces situées à l’extérieur des polygones seront exclues.
Feature Layer
out_image_features
(Facultatif)
Table de points d'entités images en sortie. Elle est enregistrée en tant que classe d’entités surfaciques. Cette sortie peut être très volumineuse.
Feature Class
density
Détermine le nombre de points de rattachement à créer.
LOW—La densité des points sera faible, créant le moins de points de rattachement.
MEDIUM—La densité de points sera moyenne, créant un nombre modéré de points.
HIGH—La densité de points sera élevée, créant le plus de points.
String
distribution
Spécifie si les points présentent une distribution régulière ou aléatoire.
RANDOM—Les points seront générés de manière aléatoire. Les points générés de manière aléatoire sont mieux adaptés aux zones superposées avec des formes irrégulières.
REGULAR—Les points seront générés selon un modèle fixe. Les points basés sur un motif fixe utilisent la densité de points pour déterminer la fréquence de création des points.
String
location_accuracy
Spécifie le mot-clé qui décrit la précision de l’imagerie.
LOW—Les images présentent une translation et une rotation importantes (> 5 degrés). L’algorithme SIFT est utilisé dans le calcul d’appariement des points.
MEDIUM—Les images présentent une translation moyenne et une rotation faible (<5 degrés). L’algorithme Harris sera utilisé dans le calcul d’appariement des points.
HIGH—Les images présentent une translation faible et une rotation faible. L’algorithme Harris est utilisé dans le calcul d’appariement des points.
String
options[options,...]
(Facultatif)
Options supplémentaires pour le moteur d'ajustement. Les options sont uniquement utilisées par les moteurs d’ajustement tiers.
Colonnes de la table de valeurs :
Name—The name of the adjustment engine.
Value—The value for the adjustment engine.
Value Table
Exemple de code
Exemple 1 d’utilisation de l’outil ComputeTiePoints (fenêtre Python)
Cet exemple Python illustre l’utilisation de l’outil ComputeTiePoints.