Détecter la cible à l’aide de spectres (Outils Image Analyst)

Résumé

Identifie les pixels d’une image qui correspondent à une signature spectrale.

Utilisation

L’outil calcule un score de correspondance pour chaque pixel et génère un raster de score de correspondance.
Cet outil prend en charge plusieurs formes d’entrée de spectres, notamment un fichier de bibliothèque spectrale Esri (.esl) créé à partir de la fenêtre Spectral Library Browse (Explorateur de bibliothèques spectrales) ou de l’outil Spectral Viewer (Visionneuse de signature spectrale), ou une classe d’entités générée à partir de la fenêtre Training Samples Manager (Gestionnaire d’échantillons d’entraînement).
La sortie est un raster multibande si le fichier de bibliothèque contient plusieurs signatures spectrales.
Si les spectres en entrée proviennent d’un fichier de bibliothèque spectrale (.esl ou .sli), le rééchantillonnage spectral est appliqué en utilisant une méthode de calcul de la moyenne des bandes si le nombre de bandes ne correspond pas. Vous pouvez également rééchantillonner les spectres en utilisant l’outil Resample Library Spectra (Rééchantillonner les spectres de bibliothèque).
Si les données spectrales proviennent d’une bibliothèque spectrale dans laquelle les valeurs de réflectance sont comprises entre 0 et 1, comme la bibliothèque spectrale USGS, le raster de réflectance de surface en entrée doit également contenir des valeurs comprises entre 0 et 1.
Si l’image en entrée n’est pas comprise entre 0 et 1, comme les images 8 bits ou 16 bits, il est recommandé de collecter la signature spectrale de la ressource à l’aide de l’outil Spectral Viewer (Visionneuse de signature spectrale). Si vous le souhaitez, activez le paramètre Remove Continuum (Supprimer le continuum) pour normaliser les spectres.
Les options du paramètre Detection Method (Méthode de détection) décrites ci-dessous permettent de calculer les scores de correspondance entre l’image en entrée et le fichier de signature spectrale :
- SAM : la méthode Spectral Angle Mapper mesure l’angle entre le spectre cible et le spectre de pixels. Cette option n’est pas sensible aux changements d’éclairage.
- SID : la méthode Spectral Information Divergence mesure la divergence entre les distributions des probabilités du spectre cible et le spectre de pixels. Cette option est efficace lors de l’identification de spectres de pixels mixtes.
- SID-SAM : le produit du score Spectral Information Divergence des informations spectrales et de la tangente du score Spectral Angle Mapper est calculé. La fonctionnalité de discrimination de cette option est meilleure que celles des options SID et SAM individuelles.
- NS3 : la méthode Normalized Spectral Similarity calcule le score de correspondance spectrale à partir de la distance euclidienne et du score Spectral Angle Mapper. Cette option contient une fonction de discrimination élevée, mais requiert des données de référence complètes pour une exactitude optimale.
- ACE : la méthode Adaptive Cosine Estimator estime la similitude entre un vecteur cible (représentant l’objet d’intérêt) et la signature spectrale d’un pixel, après normalisation pour le bruit en arrière-plan. Utilisez cette option si l’encombrement en arrière-plan de l’image hyperspectrale est important.
- CEM : la méthode Constrained Energy Minimization utilise un filtre FIR (Finite Impulse Response) dont la réponse à un spectre de pixels est supérieure plus le spectre est similaire au spectre cible. Utilisez cette option si le bruit en arrière-plan est minimum.
- MF : la méthode Matched Filter utilise un filtre FIR dont la réponse à un spectre de pixels soustrait de la moyenne est supérieure plus le spectre est similaire au spectre cible soustrait de la moyenne. Utilisez cette option si le bruit en arrière-plan est un bruit blanc gaussien additif.
Lorsque le paramètre Remove Continuum (Supprimer le continuum) est activé, une enveloppe convexe passe par un spectre à l’aide de segments de ligne droite qui relient les valeurs maximales des spectres locaux. Le continuum sera supprimé en le divisant entre le spectre réel pour chaque pixel dans l’image et les spectres en entrée. Ceci permet de comparer les entités d’absorption à partir d’une ligne de base commune.

Etiqueter	Explication	Type de données
Raster en entrée	Image multibande. Des informations sur la longueur d’onde sont requises lorsque les spectres cible sont un fichier de bibliothèque et un raster de réflectance de surface est recommandé si les données de spectre en entrée proviennent d’une bibliothèque spectrale.	Mosaic Layer; Raster Layer; Image Service; Raster Dataset; Mosaic Dataset
Fichier de spectres en entrée	Fichier de signature spectrale. L’entrée peut être un fichier de bibliothèque spectrale contenant des signatures spectrales, ou une classe d’entités créée depuis Training Samples Manager (Gestionnaire d’échantillons d’entraînement).	Feature Layer; File
Raster de score en sortie	Jeu de données raster contenant les scores de correspondance entre l’image en entrée et le fichier de signature spectrale. Lorsque le raster en entrée contient plusieurs signatures spectrales, le raster en sortie est multibande, avec une bande par signature. Les scores de correspondance sont compris entre 0 et 1 sous forme de nombre à virgule flottante dans lequel les valeurs importantes proches de 1 représentent une correspondance à forte probabilité. Utilisez l’extension de fichier pour spécifier le format en sortie, par exemple `.tif` (TIFF), `.crf` (CRF) et `.dat` (ENVI DAT).	Raster Dataset
Méthode de détection (Facultatif)	Spécifie la méthode à utiliser pour calculer les scores de correspondance entre l’image en entrée et le fichier de signature spectrale. Tous les scores sont normalisés de 0 à 1, où un score élevé correspond à une meilleure correspondance. Spectral Angle Mapper (SAM)—La méthode Spectral Angle Mapper sera utilisée pour calculer les scores de correspondance. Il s’agit de l’option par défaut. Spectral Information Divergence (SID)—La méthode Spectral Information Divergence sera utilisée pour calculer les scores de correspondance. Spectral Information Divergence - Spectral Angle Mapper (SID-SAM)—Une combinaison des méthodes Spectral Information Divergence et Spectral Angle Mapper sera utilisée pour calculer les scores de correspondance. Normalized Spectral Similarity Score (NS3)—La méthode Normalized Spectral Similarity Score sera utilisée pour calculer les scores de correspondance. Adaptive Cosine Estimator (ACE)—La méthode Adaptive Cosine Estimator sera utilisée pour calculer les scores de correspondance. Constrained Energy Minimization (CEM)—La méthode Constrained Energy Minimization sera utilisée pour calculer les scores de correspondance. Matched Filter (MF)—La méthode Matched Filter sera utilisée pour calculer les scores de correspondance.	String
Supprimer le continuum (Facultatif)	Indique si les spectres seront normalisés à partir d’une image ou de données de référence. Activé—Les spectres sont normalisés. Décoché—Les spectres ne sont pas normalisés. Il s’agit de l’option par défaut.	Boolean

DetectTargetUsingSpectra(in_raster, in_spectra, out_score_raster, {method}, {remove_continuum})

Nom	Explication	Type de données
in_raster	Image multibande. Des informations sur la longueur d’onde sont requises lorsque les spectres cible sont un fichier de bibliothèque et un raster de réflectance de surface est recommandé si les données de spectre en entrée proviennent d’une bibliothèque spectrale.	Mosaic Layer; Raster Layer; Image Service; Raster Dataset; Mosaic Dataset
in_spectra	Fichier de signature spectrale. L’entrée peut être un fichier de bibliothèque spectrale contenant des signatures spectrales, ou une classe d’entités créée depuis Training Samples Manager (Gestionnaire d’échantillons d’entraînement).	Feature Layer; File
out_score_raster	Jeu de données raster contenant les scores de correspondance entre l’image en entrée et le fichier de signature spectrale. Lorsque le raster en entrée contient plusieurs signatures spectrales, le raster en sortie est multibande, avec une bande par signature. Les scores de correspondance sont compris entre 0 et 1 sous forme de nombre à virgule flottante dans lequel les valeurs importantes proches de 1 représentent une correspondance à forte probabilité. Utilisez l’extension de fichier pour spécifier le format en sortie, par exemple `.tif` (TIFF), `.crf` (CRF) et `.dat` (ENVI DAT).	Raster Dataset
method (Facultatif)	Spécifie la méthode à utiliser pour calculer les scores de correspondance entre l’image en entrée et le fichier de signature spectrale. Tous les scores sont normalisés de 0 à 1, où un score élevé correspond à une meilleure correspondance. `SAM`—La méthode SAM sera utilisée pour calculer les scores de correspondance. Il s’agit de l’option par défaut. `SID`—La méthode SID sera utilisée pour calculer les scores de correspondance. `SIDSAM`—Une combinaison des méthodes SID et SAM (SID-SAM) sera utilisée pour calculer les scores de correspondance. `NS3`—La méthode NS3 sera utilisée pour calculer les scores de correspondance. `ACE`—La méthode ACE sera utilisée pour calculer les scores de correspondance. `CEM`—La méthode CEM sera utilisée pour calculer les scores de correspondance. `MF`—La méthode MF sera utilisée pour calculer les scores de correspondance.	String
remove_continuum (Facultatif)	Indique si les spectres seront normalisés à partir d’une image ou de données de référence. `REMOVE_CONTINUUM`—Les spectres sont normalisés. `NO_REMOVE_CONTINUUM`—Les spectres ne sont pas normalisés. Il s’agit de l’option par défaut.	Boolean

Exemple de code

Exemple 1 d’utilisation de la fonction DetectTargetUsingSpectra (fenêtre Python)

Cet exemple compare une signature spectrale à une image hyperspectrale à l’aide de l’option SAM et crée un raster de score de correspondance.

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

# Run DetectTargetUsingSpectra
out_score_raster = arcpy.ia.DetectTargetUsingSpectra(r"c:\data\aviris_image.tif", r"C:\data\oaks_from_usgs.esl", "SAM", "NO_REMOVE_CONTINUUM")
out_score_raster.save(r"c:\data\result.tif")

Exemple 2 d’utilisation de la fonction DetectTargetUsingSpectra (script autonome)

Cet exemple compare une signature spectrale à une image hyperspectrale à l’aide de l’option SAM et crée un raster de score de correspondance.

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

#Define variables
InputImage = r"c:\data\ aviris_image.tif"
targetSpectra= r"c:\data\oaks_from_usgs.esl"
outputScoreRaster = r"c:\data\score_raster.tif"
Method = "SAM"
removeContinuum = "NO_REMOVE_CONTINUUM"

#Run
out_score_raster = arcpy.ia.DetectTargetUsingSpectra(
    in_raster=InputImage,
    in_spectra= targetSpectra,
    method=Method,
    remove_continuum=removeContinuum
)
out_score_raster.save(outputScoreRaster)

Environnements

Alignement des cellules, Taille de cellule, Compression, Espace de travail courant, Transformations géographiques, NoData, Mot-clé CONFIG en sortie, Système de coordonnées en sortie, Étendue, Pyramide, Statistiques raster, Méthode de rééchantillonnage, Espace de travail temporaire, Raster de capture, Taille de tuile, Facteur de traitement parallèle

Informations de licence