Préparer le classificateur de vraisemblance maximale (Outils Image Analyst)

Résumé

Génère un fichier de définition de classificateur Esri (.ecd) à l’aide de la définition de classification du classificateur de vraisemblance maximale (MLC).

Utilisation

Pour exécuter un processus de classification de vraisemblance maximale, utilisez le même raster en entrée et le fichier .ecd en sortie de cet outil dans l’outil Classify Raster (Classer le raster).
Le raster en entrée peut être n'importe quel raster pris en charge par Esri, avec n'importe quelle profondeur des couleurs.
Pour créer un jeu de données raster segmenté, utilisez l’outil Segment Mean Shift (Décalage moyen de segment).
Pour créer un fichier d’échantillon d’entraînement, accédez à la fenêtre [Training Samples Manager (Gestionnaire d’échantillons d’entraînement)] (../../help/analysis/image-analyst/training-samples-manager.md) à partir du menu déroulant Classification Tools (Outils de classification).
Le Output Classifier Definition File (Fichier de définition de classificateur en sortie) contient des statistiques d’attributs adaptées à l’outil Maximum Likelihood Classification (Classification de vraisemblance maximale) (../spatial-analyst/maximum-likelihood-classification.yml), qui est disponible avec une licence d’extension Spatial Analyst.
Le paramètre Segment Attributes (Attributs de segments) n’est actif que si l’une des entrées de la couche raster est une image segmentée.
Pour classer une série chronologique de données raster à l’aide de l’algorithme CCDC (Continuous Change Detection and Classification), exécutez d’abord l’outil Analyze Changes Using CCDC (Analyser les changements avec l’algorithme CCDC). Utilisez ensuite le raster d’analyse des changements en sortie comme raster en entrée pour cet outil d’entraînement.

Les données fournies à titre d’échantillons d’entraînement doivent être collectées à plusieurs reprises à l’aide du Training Samples Manager (Gestionnaire d’échantillons d’entraînement). La valeur de dimension de chaque exemple est répertoriée dans un champ figurant dans la classe d’entités des échantillons d’entraînement comme indiqué dans le paramètre Dimension Value Field (Champ de valeur de dimension).

Etiqueter	Explication	Type de données
Raster en entrée	Jeu de données raster à classer.	Raster Layer; Mosaic Layer; Image Service; String
Fichier d'échantillon d'apprentissage en entrée	Fichier d’échantillons d’apprentissage ou couche délimitant les sites d’entraînement. Il peut s’agir de shapefiles ou de classes d’entités qui contiennent vos échantillons d’apprentissage. Les noms de champ suivants sont requis dans le fichier d’échantillons d'apprentissage : `classname`—Champ de texte indiquant le nom de la catégorie de classe `classvalue`—Champ d’entier long contenant la valeur entière de chaque catégorie de classe	Feature Layer
Fichier de définition de classificateur en sortie	Fichier JSON en sortie qui contient des informations sur les attributs, des statistiques, des vecteurs hyperplans et d’autres informations pour le classificateur. Un fichier `.ecd` sera créé.	File
Raster en entrée supplémentaire (Facultatif)	Incorpore des jeux de données raster auxiliaires, tels qu'une image segmentée ou un MNT. Ce paramètre est facultatif.	Raster Layer; Mosaic Layer; Image Service; String
Attributs de segments utilisés (Facultatif)	Spécifie les attributs à inclure dans la table attributaire associée au raster en sortie. Ce paramètre n’est actif que si la propriété clé Segmented (Segmenté) est définie sur true (vrai) dans le raster en entrée. Si la seule entrée de l’outil est une image segmentée, les attributs par défaut sont Converged color (Couleur de convergence), Count of pixels (Nombre de pixels), Compactness (Compacité) et Rectangularity (Rectangularité). Si une valeur Additional Input Raster (Raster en entrée supplémentaire) est incluse comme entrée avec une image segmentée, les attributs Mean digital number (Nombre numérique moyen) et Standard deviation (Écart type) sont également disponibles. Couleur de convergence—Les valeurs de couleurs RVB sont dérivées du raster en entrée, segment par segment. On parle également de couleur chromatique moyenne. Nombre numérique moyen—Le numéro numérique (DN) moyen sera dérivé de l’image de pixels facultative, segment par segment. Écart type—L’écart type sera dérivé de l’image de pixels facultative, segment par segment. Nombre de pixels—Le nombre de pixels qui composent le segment, segment par segment. Compacité—Degré auquel un segment est compact ou circulaire, segment par segment. Les valeurs sont comprises entre 0 et 1, où 1 correspond à un cercle. Rectangularité—Degré auquel le segment est rectangulaire, segment par segment. Les valeurs sont comprises entre 0 et 1, où 1 correspond à un rectangle.	String
Champ de valeur de dimension (Facultatif)	Contient les valeurs de dimension dans la classe d’entités des échantillons d’apprentissage en entrée. Ce paramètre est requis pour classer une série chronologique de données raster à l’aide de la sortie du raster d’analyse des changements produite par l’outil Analyze Changes Using CCDC (Analyser les changements avec l’algorithme CCDC).	Field

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

Nom	Explication	Type de données
in_raster	Jeu de données raster à classer.	Raster Layer; Mosaic Layer; Image Service; String
in_training_features	Fichier d’échantillons d’apprentissage ou couche délimitant les sites d’entraînement. Il peut s’agir de shapefiles ou de classes d’entités qui contiennent vos échantillons d’apprentissage. Les noms de champ suivants sont requis dans le fichier d’échantillons d'apprentissage : `classname`—Champ de texte indiquant le nom de la catégorie de classe `classvalue`—Champ d’entier long contenant la valeur entière de chaque catégorie de classe	Feature Layer
out_classifier_definition	Fichier JSON en sortie qui contient des informations sur les attributs, des statistiques, des vecteurs hyperplans et d’autres informations pour le classificateur. Un fichier `.ecd` sera créé.	File
in_additional_raster (Facultatif)	Incorpore des jeux de données raster auxiliaires, tels qu'une image segmentée ou un MNT. Ce paramètre est facultatif.	Raster Layer; Mosaic Layer; Image Service; String
used_attributes [used_attributes,...] (Facultatif)	Spécifie les attributs à inclure dans la table attributaire associée au raster en sortie. Ce paramètre est activé uniquement si la propriété de clé Segmented (Segmenté) est vraie (définie sur True) dans le raster en entrée. Si la seule entrée de l’outil est une image segmentée, les attributs par défaut sont `COLOR`, `COUNT`, `COMPACTNESS` et `RECTANGULARITY`. Si une valeur `in_additional_raster` est incluse comme entrée avec une image segmentée, les attributs `MEAN` et `STD` sont également disponibles. `COLOR`—Les valeurs de couleurs RVB sont dérivées du raster en entrée, segment par segment. On parle également de couleur chromatique moyenne. `MEAN`—Le numéro numérique (DN) moyen sera dérivé de l’image de pixels facultative, segment par segment. `STD`—L’écart type sera dérivé de l’image de pixels facultative, segment par segment. `COUNT`—Le nombre de pixels qui composent le segment, segment par segment. `COMPACTNESS`—Degré auquel un segment est compact ou circulaire, segment par segment. Les valeurs sont comprises entre 0 et 1, où 1 correspond à un cercle. `RECTANGULARITY`—Degré auquel le segment est rectangulaire, segment par segment. Les valeurs sont comprises entre 0 et 1, où 1 correspond à un rectangle.	String
dimension_value_field (Facultatif)	Contient les valeurs de dimension dans la classe d’entités des échantillons d’apprentissage en entrée. Ce paramètre est requis pour classer une série chronologique de données raster à l’aide de la sortie du raster d’analyse des changements produite par l’outil Analyze Changes Using CCDC (Analyser les changements avec l’algorithme CCDC).	Field

Exemple de code

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

Le script de fenêtre Python ci-aprè illustre l’utilisation de l’outil TrainMaximumLikelihoodClassifier.

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")

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

Cet exemple illustre comment préparer le classificateur de vraisemblance maximale.

# 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)

Exemple 3 d’utilisation de la fonction TrainMaximumLikelihoodClassifier (script autonome)

Cet exemple illustre comment préparer le classificateur de vraisemblance maximale à l’aide d’un raster d’analyse des changements de l’outil Analyze Changes Using CCDC (Analyser les changements avec l’algorithme CCDC).

# 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)

Environnements

Espace de travail courant, Etendue, Transformations géographiques, Système de coordonnées en sortie, Espace de travail temporaire, Raster de capture

Informations de licence