Vue d’ensemble du jeu d’outils Segmentation et classification

Disponible avec une licence Spatial Analyst.

Disponible avec une licence Image Analyst.

Avec les outils de segmentation et de classification, vous pouvez préparer des rasters segmentés qui permettront de créer des jeux de données raster classés.

Le tableau suivant dresse la liste des outils disponibles et en donne une brève description :

Outils du jeu d’outils Segmentation et classification

Outil	Description
Classer le raster	Classe un jeu de données raster en fonction d’un fichier de définition de classificateur Esri (.ecd) et de jeux de données raster en entrée. Le fichier .ecd contient toutes les informations nécessaires pour procéder à un type de classement spécifique pris en charge par Esri. Les entrées de cet outil doivent correspondre à celles utilisées pour générer le fichier .ecd requis.
Calculer la matrice de confusion	Calcule une matrice de confusion avec des erreurs d’omission et de commission et déduit un indice Kappa d’accord, une intersection sur union (IoU) et une précision globale entre la carte classée et les données de référence.
Calculer les attributs de segments	Calcule un jeu d’attributs associé à l’image segmentée. Le raster en entrée peut être une image segmentée 8 bits, monocanale ou 3 canaux.
Créer des points d’évaluation de la précision	Crée des points échantillonnés de manière aléatoire pour évaluer la précision de la post-classification.
Exporter les données d’apprentissage pour le Deep Learning	Convertit des données vectorielles ou raster étiquetées en jeux de données d’entraînement pour l’apprentissage profond via une image télédétectée. La sortie est un dossier de fragments d’image et un dossier de fichiers de métadonnées au format spécifié.
Générer des échantillons d’entraînement à partir de points d’origine	Génère des échantillons d'apprentissage à partir de points d'origine, tels que des points d’évaluation de la précision ou des points d’échantillons d'apprentissage. Cet outil sert généralement à générer des échantillons d'apprentissage à partir d'une source existante, telle qu'un raster thématique ou une classe d'entités.
Inspecter les échantillons d’apprentissage	Estime la précision d’échantillons d'apprentissage individuels. La précision de la validation croisée est calculée à l’aide du résultat d’apprentissage de la classification précédemment généré dans un fichier .ecd et des échantillons d’apprentissage. Les sorties sont notamment un jeu de données raster contenant les valeurs des classes incorrectement classées et un jeu de données d'échantillons d'apprentissage avec le score de précision pour chaque échantillon d'apprentissage.
Démixage spectral linéaire	Effectue une classification inférieure au pixel et calcule l’abondance fractionnelle de différents types d’occupation du sol pour certains pixels.
Supprimer les artefacts de tuilage des segments raster	Corrige les segments ou objets coupés par les limites de tuiles au cours du processus de segmentation effectué en tant que fonction raster. Cet outil est utile pour certains processus régionaux, comme la segmentation d’image, présentent des incohérences à proximité des limites de tuiles d’image. Cette étape de traitement est incluse dans l’outil Segment Mean Shift (Décalage moyen de segment). Elle ne doit être utilisée que sur une image segmentée non créée à partir de cet outil.
Décalage moyen de segment	Regroupe les pixels adjacents qui présentent des caractéristiques spectrales similaires dans des segments.
Train Iso Cluster Classifier (Préparer le classificateur d’agrégats ISO)	Génère un fichier de définition de classificateur Esri (.ecd) à l’aide de la définition de classification d’agrégats ISO.
Entraîner le classificateur K voisins les plus proches	Génère un fichier de définition de classificateur Esri (.ecd) à l’aide de la méthode de classification K voisins les plus proches.
Préparer le classificateur de vraisemblance maximale	Génère un fichier de définition de classificateur Esri (.ecd) à l’aide de la définition de classification du classificateur de vraisemblance maximale (MLC).
Préparer le classificateur d’arbres aléatoires	Génère un fichier de définition de classificateur Esri (.ecd) à l’aide de la méthode de classification Arbres aléatoires.
Préparer le classificateur de machines à vecteurs de support	Génère un fichier de définition de classificateur Esri (.ecd) à l’aide de la définition de classification de la machine à vecteurs de support (SVM).
Mettre à jour les points d’évaluation de la précision	Met à jour le champ Target dans la table attributaire pour comparer des points de référence à l’image classée.

Rubriques connexes

• Vue d’ensemble de la boîte à outils Spatial Analyst

• Présentation de la segmentation et de la classification