Классификатор по методу максимального правдоподобия с обучением (Инструменты Image Analyst)

Краткая информация

Создает файл определения классификатора Esri (.ecd) с использованием определения классификации Метода максимального правдоподобия (MLC).

Использование

Для завершения процесса классификации по методу максимального правдоподобия используйте тот же входной растр и выходной файл .ecd инструмента Классифицировать растр.
Входным растром может быть любой поддерживаемый Esri растр с любой глубиной пикселов.
Чтобы создать сегментированный набор растровых данных, используйте инструмент Сегментация методом среднего сдвига.
Чтобы создать файл обучающей выборки, используйте панель Менеджер обучающей выборки из ниспадающего меню Инструменты классификации.
Выходной файл определения классификатора содержит статистику атрибутов, подходящую для инструмента Классификация по методу максимального подобия, который доступен с лицензией дополнительного модуля Spatial Analyst.
Параметр Атрибуты сегмента активен только в том случае, когда одним из входных растровых слоёв является сегментированное изображение.
Чтобы классифицировать растровые данные временных рядов с помощью алгоритма Непрерывное определение и классификаций изменений (CCDC), сначала запустите инструмент Анализировать изменения с помощью CCDC. Затем используйте выходной растр анализа изменений в качестве входного растра для данного обучающего инструмента.

Обучающие выборки данных должны быть собраны за несколько раз с помощью Менеджера обучающих выборок. Значение размерности для каждой выборки указано в поле в векторном классе обучающих выборок, которое задано параметром Поле значения измерения.

Подпись	Объяснение	Тип данных
Входной растр	Набор растровых данных для классификации.	Raster Layer; Mosaic Layer; Image Service; String
Входной файл обучающей выборки	Выберите файл обучающей выборки или слой, который определяет районы обучающей выборки. Это могут быть либо шейп-файлы, либо классы объектов, которые содержат обучающие выборки. В файле обучающей выборки должны быть поля со следующими именами: `classname`—Текстовое поле с указанием имени категории класса. `classvalue`—Поле типа long integer, содержащее целочисленное значение для каждой категории класса	Feature Layer
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)	Включает вспомогательные наборы растровых данных, например, сегментированное изображение или ЦМР. Это дополнительный параметр.	Raster Layer; Mosaic Layer; Image Service; String
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 значение Дополнительный входной растр, то 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
Поле значения измерения (Дополнительный)	Содержит значения измерений во входном классе объектов обучающей выборки. Этот параметр требуется для классификации растровых данных временных рядов с помощью выходного растра анализа изменений из инструмента Анализировать изменения с помощью CCDC.	Field

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

Имя	Объяснение	Тип данных
in_raster	Набор растровых данных для классификации.	Raster Layer; Mosaic Layer; Image Service; String
in_training_features	Выберите файл обучающей выборки или слой, который определяет районы обучающей выборки. Это могут быть либо шейп-файлы, либо классы объектов, которые содержат обучающие выборки. В файле обучающей выборки должны быть поля со следующими именами: `classname`—Текстовое поле с указанием имени категории класса. `classvalue`—Поле типа long integer, содержащее целочисленное значение для каждой категории класса	Feature Layer
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)	Включает вспомогательные наборы растровых данных, например, сегментированное изображение или ЦМР. Это дополнительный параметр.	Raster Layer; Mosaic Layer; Image Service; String
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 выбрано ключевое свойства Сегментированный. 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
dimension_value_field (Дополнительный)	Содержит значения измерений во входном классе объектов обучающей выборки. Этот параметр требуется для классификации растровых данных временных рядов с помощью выходного растра анализа изменений из инструмента Анализировать изменения с помощью CCDC.	Field

Пример кода

TrainMaximumLikelihoodClassifier, пример 1 (окно Python)

В следующем скрипте окна Python показано, как используется инструмент 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")

TrainMaximumLikelihoodClassifier, пример 2 (автономный скрипт)

В данном примере показано, как использовать классификатор по методу максимального правдоподобия с обучением.

# 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)

TrainMaximumLikelihoodClassifier, пример 3 (автономный скрипт)

В данном примере показано, как обучить классификатор по методу максимального правдоподобия, используя растр анализа изменений из инструмента Анализировать изменения с помощью 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)

Параметры среды

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

Информация о лицензировании