Классификатор изокластера с обучением (Инструменты Image Analyst)

Краткая информация

Создает файл определения классификатора Esri (.ecd) с использованием определения классификации Изокластер.

Этот инструмент выполняет неконтролируемую классификацию.

Использование

Любой поддерживаемый Esri растр принимается в качестве входных данных, включая растровые продукты, сегментированный растр, мозаики, сервисы изображений или наборы растровых данных в общих форматах. Сегментированные растры должны быть 8-битными с 3 каналами.
Параметр Атрибуты сегмента активен только в том случае, когда одним из входных растровых слоёв является сегментированное изображение.

Подпись	Объяснение	Тип данных
Входной растр	Набор растровых данных для классификации.	Raster Layer; Mosaic Layer; Image Service; String
Максимальное число классов / кластеров	Максимальное количество требуемых классов для группировки пикселов или сегментов. Оно должно быть больше числа классов в легенде. Возможно, что вы получите меньше классов, чем указано этим параметром. Если необходимо больше классов, увеличьте это значение и агрегируйте классы после завершения процесса обучения.	Long
Выходной файл определения классификатора	Выходной файл формата JSON будет содержать информацию об атрибутах, статистику, гиперплоскостные векторы и другую информацию, необходимую для классификатора. Будет создан файл `.ecd`.	File
Дополнительный входной растр (Дополнительный)	Вспомогательные наборы растровых данных, такие как мультиспектральный снимок или ЦМР, будут добавлены для создания атрибутов и другой необходимой для классификатора информации. Это дополнительный параметр.	Raster Layer; Mosaic Layer; Image Service; String
Максимальное число итераций (Дополнительный)	Максимальное число итераций, выполняемых процессом кластеризации. Рекомендованный диапазон находится между 10 и 20 итерациями. Увеличение этого значения линейно увеличивает время обработки.	Long
Минимальное число образцов в кластере (Дополнительный)	Минимальное число пикселов или сегментов в действительном кластере или классе. Значение 20, используемое по умолчанию, эффективно при создании статистически значимых классов. Вы можете увеличить это значение для более крупных кластеров и меньших осколочных полигонов, однако это может ограничить общее количество созданных классов.	Long
Коэффициент пропуска (Дополнительный)	Максимальное число пропускаемых пиксел для входного пиксельного изображения. Если входным изображением является сегментированное, укажите число пропускаемых сегментов.	Long
Используемые атрибуты сегментов (Дополнительный)	Укажите атрибуты, которые будут включены в связанную с выходным растром таблицу атрибутов. Это параметр активен только в тех случаях, когда для входного растра выбран ключевой параметр Сегментированный. Если для входных данных инструмента используется только сегментированное изображение, то атрибутами по умолчанию будут Конвергированный цвет, Число пикселов, Компактность и Прямоугольность. Если в качестве входных данных вместе с сегментированным изображением также используется Дополнительный входной растр, то тогда также будут доступны атрибуты Среднее необработанное значение яркости и Среднеквадратическое отклонение. Конвергированный цвет–Значения цвета RGB будут получены из входного растра на основе каждого сегмента. Это также называется цвет средней хроматичности. Среднее необработанное значение яркости–Средний цифровой номер (DN) будет получен из дополнительного пиксельного изображения, на основе каждого сегмента. Среднеквадратическое отклонение–Стандартное отклонение будет получено из дополнительного пиксельного изображения, на основе каждого сегмента. Число пикселов–Число пикселов, составляющих сегмент, на основе каждого сегмента. Компактность–Соединяет сегменты, которые были разрезаны границами листов в процессе сегментации. Значения находятся в диапазоне от 0 до 1, где 1 соответствует кругу. Прямоугольность–Степень, определяющая, насколько сегмент является прямоугольным, на основе каждого сегмента. Значения находятся в диапазоне от 0 до 1, где 1 соответствует прямоугольнику.	String
Максимальное число слияний кластеров на итерацию (Дополнительный)	Максимальное число слияний кластеров на итерацию. При увеличении числа слияний число создаваемых классов уменьшится. Меньшее значение приведет к созданию большего числа классов.	Long
Максимальное расстояние слияния (Дополнительный)	Максимальное расстояние между центрами кластеров в пространстве объектов. Увеличение расстояния сделает возможным слияние большего числа кластеров, что позволит получить меньше классов. Меньшее значение приведет к созданию большего числа классов. Значения от 0 до 5, как правило, дают наилучшие результаты.	Double

TrainIsoClusterClassifier(in_raster, max_classes, out_classifier_definition, {in_additional_raster}, {max_iterations}, {min_samples_per_cluster}, {skip_factor}, {used_attributes}, {max_merge_per_iter}, {max_merge_distance})

Имя	Объяснение	Тип данных
in_raster	Набор растровых данных для классификации.	Raster Layer; Mosaic Layer; Image Service; String
max_classes	Максимальное количество требуемых классов для группировки пикселов или сегментов. Оно должно быть больше числа классов в легенде. Возможно, что вы получите меньше классов, чем указано этим параметром. Если необходимо больше классов, увеличьте это значение и агрегируйте классы после завершения процесса обучения.	Long
out_classifier_definition	Выходной файл формата JSON будет содержать информацию об атрибутах, статистику, гиперплоскостные векторы и другую информацию, необходимую для классификатора. Будет создан файл `.ecd`.	File
in_additional_raster (Дополнительный)	Вспомогательные наборы растровых данных, такие как мультиспектральный снимок или ЦМР, будут добавлены для создания атрибутов и другой необходимой для классификатора информации. Это дополнительный параметр.	Raster Layer; Mosaic Layer; Image Service; String
max_iterations (Дополнительный)	Максимальное число итераций, выполняемых процессом кластеризации. Рекомендованный диапазон находится между 10 и 20 итерациями. Увеличение этого значения линейно увеличивает время обработки.	Long
min_samples_per_cluster (Дополнительный)	Минимальное число пикселов или сегментов в действительном кластере или классе. Значение 20, используемое по умолчанию, эффективно при создании статистически значимых классов. Вы можете увеличить это значение для более крупных кластеров и меньших осколочных полигонов, однако это может ограничить общее количество созданных классов.	Long
skip_factor (Дополнительный)	Максимальное число пропускаемых пиксел для входного пиксельного изображения. Если входным изображением является сегментированное, укажите число пропускаемых сегментов.	Long
used_attributes [used_attributes;used_attributes,...] (Дополнительный)	Укажите атрибуты, которые будут включены в связанную с выходным растром таблицу атрибутов. Это параметр активен только в тех случаях, когда для входного растра ключевое свойства Сегментированный равно true. Если для входных данных инструмента используется только сегментированное изображение, то атрибутами по умолчанию будут `COLOR`, `COUNT`, `COMPACTNESS` и `RECTANGULARITY`. Если в качестве входных данных вместе с сегментированным изображением также используется значение `in_additional_raster`, то тогда также будут доступны атрибуты `MEAN` и `STD`. `COLOR`–Значения цвета RGB будут получены из входного растра на основе каждого сегмента. Это также называется цвет средней хроматичности. `MEAN`–Средний цифровой номер (DN) будет получен из дополнительного пиксельного изображения, на основе каждого сегмента. `STD`–Стандартное отклонение будет получено из дополнительного пиксельного изображения, на основе каждого сегмента. `COUNT`–Число пикселов, составляющих сегмент, на основе каждого сегмента. `COMPACTNESS`–Соединяет сегменты, которые были разрезаны границами листов в процессе сегментации. Значения находятся в диапазоне от 0 до 1, где 1 соответствует кругу. `RECTANGULARITY`–Степень, определяющая, насколько сегмент является прямоугольным, на основе каждого сегмента. Значения находятся в диапазоне от 0 до 1, где 1 соответствует прямоугольнику.	String
max_merge_per_iter (Дополнительный)	Максимальное число слияний кластеров на итерацию. При увеличении числа слияний число создаваемых классов уменьшится. Меньшее значение приведет к созданию большего числа классов.	Long
max_merge_distance (Дополнительный)	Максимальное расстояние между центрами кластеров в пространстве объектов. Увеличение расстояния сделает возможным слияние большего числа кластеров, что позволит получить меньше классов. Меньшее значение приведет к созданию большего числа классов. Значения от 0 до 5, как правило, дают наилучшие результаты.	Double

Пример кода

TrainIsoClusterClassifier, пример 1 (окно Python)

Следующий скрипт окна Python использует классификатор Изокластер для создания файла определения неконтролируемой классификации Esri с максимум десятью классами.

import arcpy
from arcpy.ia import *

TrainIsoClusterClassifier("c:/test/moncton_seg.tif", "10",
                "c:/output/moncton_sig_iso.ecd","c:/test/moncton.tif",
                "5", "10", "2", "COLOR;MEAN;STD;COUNT;COMPACTNESS;RECTANGULARITY")

TrainIsoClusterClassifier, пример 2 (автономный скрипт)

Данный примерный скрипт использует классификатор Изокластер для создания файла определения неконтролируемой классификации Esri с максимум десятью классами.

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

"""Usage: TrainIsoClusterClassifier(in_raster, max_num_classes,
                out_classifier_definition, {in_additional_raster},
                {max_num_iterations}, {min_num_samples_per_cluster},
                {skip_factor},{used_attributes})

"""

# Set local variables
inSegRaster = "c:/test/moncton_seg.tif"
maxNumClasses = "10"
out_definition = "c:/output/moncton_sig_iso.ecd"
in_additional_raster = "moncton.tif"
maxIteration = "20"
minNumSamples = "10"
skipFactor = "5"
attributes = "COLOR;MEAN;STD;COUNT;COMPACTNESS;RECTANGULARITY"

# Run
TrainIsoClusterClassifier(inSegRaster, maxNumClasses,
                out_definition, in_additional_raster,
                maxIteration, minNumSamples, skipFactor, attributes)

Параметры среды

Текущая рабочая область, Экстент, Географические преобразования, Выходная система координат, Коэффициент параллельной обработки, Временная рабочая область, Растр привязки

Информация о лицензировании