ArcGIS Image Analyst 地理处理工具列表

ArcGIS Image Analyst 扩展模块在 ArcGIS Pro 中提供了一套地理处理工具。

地理处理工具

随 Image Analyst 扩展模块提供了大量地理处理工具。这些工具按照下表中的功能相关性和关联工具集进行了分类。

变化检测

变化检测工具集包含用于在栅格数据集之间执行变化检测的工具。

“变化检测”工具集中的工具
工具	描述
使用 CCDC 分析变化	使用连续变化检测和分类 (CCDC) 方法评估像素值随时间的变化，并生成包含模型结果的变化分析栅格。
使用 LandTrendr 分析变化	使用基于 Landsat 的干扰和恢复趋势检测 (LandTrendr) 方法评估像素值随时间的变化，并生成包含模型结果的变化分析栅格。
计算变化栅格	计算两个栅格数据集之间的绝对、相对、分类或光谱差异。
使用变化分析栅格检测变化	可以利用使用 CCDC 分析变化工具或使用 LandTrendr 分析变化工具的输出变化分析栅格来生成包含像素变化信息的栅格。

分类和模式识别

分类和模式识别工具集中的工具可用于查找、识别和量化影像数据中的模式。可以对分割栅格或基于像素的栅格数据集执行经典统计和高级机器学习图像分类和回归分析。同时提供其他工具以执行训练集合和分类精度调整及类地图优化。下表列出了分类和模式识别工具，并提供了每个工具的简要说明：

分类和模式识别工具集的工具
工具	描述
分类栅格	根据 Esri 分类器定义文件 (`.ecd`) 和栅格数据集输入对栅格数据集进行分类。 `.ecd` 文件包含执行 Esri 支持的特定类型分类所需的所有信息。此工具的输入必须与用于生成所需 `.ecd` 文件的输入相匹配。
使用光谱对栅格进行分类	使用光谱匹配方法对多波段栅格数据集进行分类。输入光谱数据可以作为点要素类或 `.json` 文件提供。
计算混淆矩阵	使用漏分误差和错分误差计算混淆矩阵，然后派生出分类地图与参考数据之间的一致性 kappa 指数、交并比 (IoU) 和整体精度。
计算分割影像属性	计算一组与分割影像相关的属性。输入栅格可以是单波段或 3 波段的 8 位分割影像。
创建精度评估点	创建用于分类后精度评估的随机采样点。
从种子点生成训练样本	从种子点（如精度评估点或训练样本点）生成训练样本。典型用例是从现有源（如专题栅格或要素类）生成训练样本。
检查训练样本	估计个人训练样本的精度。交叉验证精度是使用 `.ecd` 文件中先前生成的分类训练结果及训练样本进行计算的。输出包括以下内容：包含误分类类值的栅格数据集，包含每个训练样本精度得分的训练样本数据集。
线性光谱解混	用于执行亚像素分类和计算单个像素的不同土地覆被类型的分数丰度。
使用回归模型预测	使用训练随机树回归模型工具的输出预测数据值。
移除栅格影像分割块伪影	可校正作为栅格函数执行的分割过程中被切片边界切割的线段或对象。该工具对于某些区域过程（例如影像分割）很有帮助，这些区域过程在影像切片边界附近会有不一致现象。此处理步骤包含在均值漂移影像分割工具中。只能用于非该工具创建的分割影像。
均值漂移影像分割	将相邻并具有相似光谱特征的像素组合到一个分割块中。
训练 Iso 聚类分类器	使用 Iso 聚类分类定义生成 Esri 分类器定义文件 (`.ecd`)。
训练 K 最近邻分类器	使用 K 最近邻 (KNN) 分类方法生成 Esri 分类器定义文件 (`.ecd`)。
训练最大似然法分类器	使用最大似然法分类器 (MLC) 分类定义生成 Esri 分类器定义文件 (`.ecd`)。
训练随机树分类器	使用随机树分类方法生成 Esri 分类器定义文件 (`.ecd`)。
训练随机树回归模型	使用随机树分析为解释变量与目标数据集之间的关系建模。
训练支持向量机分类器	使用支持向量机 (SVM) 分类定义生成 Esri 分类器定义文件 (`.ecd`)。
更新精度评估点	更新属性表中的 `Target` 字段，将参考点与分类的影像进行比较。

深度学习

深度学习工具集中的工具使用多层人工神经网络来检测图像中的要素，其中每个图层都能够提取影像中的一个或多个唯一要素。下表列出了深度学习工具，并对每个工具进行了简要描述：

深度学习工具集中的工具
工具	描述
使用深度学习分类对象	用于运行输入栅格和可选要素类上的训练深度学习模型，以生成要素类或表，其中每个输入对象或要素均具有一个分配的类或类别标注。
使用深度学习分类像素	用于运行输入栅格上的训练深度学习模型，以生成分类栅格，其中每个有效像素都被分配了一个类标注。
计算对象检测的精度	通过对深度学习检测对象使用工具检测到的对象和实际地表数据进行比较来计算深度学习模型的精度。
计算像素分类的精度	根据遗漏错误和错分以及交并比 (IoU) 分数计算混淆矩阵。精度是在使用深度学习分类像素工具的输出与地面真实数据之间计算的。
使用深度学习检测变化	运行训练深度学习模型以检测两个栅格之间的变化。
检测控制点	检测镶嵌数据集中的地面控制点。
使用深度学习检测对象	用于运行输入栅格上的训练深度学习模型，以生成包含其找到对象的要素类。这些要素可以是所找到对象周围的边界框或面，也可以是对象中心的点。
导出训练数据进行深度学习	使用遥感影像将标注的矢量或栅格数据转换为深度学习训练数据集。输出为影像片文件夹和指定格式的元数据文件文件夹。
使用 AI 模型提取要素	在输入栅格上运行一个或多个预训练的深度学习模型，以提取要素和自动执行推断的输出的后处理。
非极大值抑制	可将使用深度学习检测对象工具的输出中的重复要素识别为后处理步骤，并创建没有重复要素的输出。
训练深度学习模型	使用导出训练数据进行深度学习工具的输出训练深度学习模型。
使用 AutoDL 进行训练	通过构建训练管道和自动执行大部分训练过程来训练深度学习模型，包括数据增强、模型选择、超参数调整和批量大小推导。
转换图像形状	将要素从影像空间转换到地图空间。
使用深度学习转换像素	运行经过训练的深度学习模型，以增强影像中的像素。

提取分析

提取分析工具集中的工具可用于根据像素的属性或其空间位置从栅格中提取像素的子集。下表列出了提取工具并提供了其简要说明：

提取工具集中的工具
工具	描述
采样	创建一个表或点要素类，其中显示从一个栅格或一组栅格提取的已定义位置的像元值。该位置由栅格像元、点、折线或面进行定义。

插值分析

插值工具集中的工具可对不同类型的数据进行插值。下表列出了插值工具并提供了每个插值工具的简要说明：

插值工具集中的工具
工具	描述
从时空点进行插值	将时间点数据插入到多维栅格中。
最优插值	通过统计合并多个来源的数据生成插值输出栅格。

地图代数

“地图代数”是通过使用代数语言创建表达式以执行栅格分析的一种方法。您可以使用栅格计算器工具创建表达式，从而构建能够输出栅格数据集的表达式。 栅格计算器工具使用 Python 语法构建并运行单个地图代数表达式。

有关栅格计算器的详细信息，请参阅 Image Analyst 中的地图代数工具集概述。

数学分析

数学分析提供了超过 60 种数学工具，以用于对栅格数据集执行数学运算。这些工具分为以下功能区域：

常规
条件分析
逻辑
- 按位
- 布尔
- 组合
- 逻辑
- 关系
三角函数

数学分析（常规）

常规数学工具集中的工具可对输入应用数学运算。这些工具分为多个类别：算术工具可执行基本的数学运算，例如加法和乘法。还有几种工具可以执行各种类型的幂运算，除了基本的幂运算之外，还可以执行指数和对数运算。其余工具可用于转换符号，或者用于在整型数据类型和浮点型数据类型之间进行转换。下表列出了常规数学工具并提供了每个工具的简要说明：

常规数学工具集中的工具
工具	描述
Abs	计算栅格中像元的绝对值。
除	逐个像元地将两个栅格的值相除。
Exp	计算栅格中像元的以 e 为底的指数。
Exp10	计算栅格中像元的以 10 为底的指数。
Exp2	计算栅格中各像元以 2 为底的指数。
转为浮点型	将每个栅格像元的值转换为浮点型表达形式。
转为整型	通过截断将栅格的每个像元值转换为整型。
Ln	计算栅格中各像元的自然对数（以 e 为底）。
Log10	计算栅格中各像元以 10 为底的对数。
Log2	计算栅格中各像元以 2 为底的对数。
减	逐个像元地从第一个输入栅格的值中减去第二个输入栅格的值。
求模	逐个像元地求出第一个栅格数据除以第二个栅格数据的余数（模）。
取反	逐个像元地更改输入栅格的像元值符号（乘以 -1）。
加	逐个像元地将两个栅格的值相加（求和）。
幂	对栅格中的像元值进行乘方运算，将结果作为另一栅格的值。
下舍入	返回栅格中每个像元的最近的较小整数值（以浮点表示）。
上舍入	返回栅格中每个像元的最近的较大整数值（以浮点表示）。
平方	计算栅格中像元值的平方。
平方根	计算栅格中像元值的平方根。
乘	逐个像元地将两个栅格的值相乘。

数学分析（条件分析）

条件数学工具集中的工具根据输入值上的条件控制输出值。可应用的条件有两种类型：针对属性的查询或基于列表中条件语句位置的条件。下表列出了条件数学工具并提供了每个工具的简要说明：

条件分析数学工具集中的工具
工具	描述
条件函数	可对输入栅格的每个输入像元执行 if/else 条件评估。
选取函数	使用位置栅格的值来确定将用于输出像元值的输入栅格。
设为空函数	可根据指定条件将识别的像元位置设置为 NoData。如果条件评估为真，则返回 NoData；如果条件评估为假，则返回由另一个栅格指定的值。

数学分析（逻辑分析）

逻辑数学工具集中的工具可以对输入的值进行评估，并基于布尔逻辑确定输出值。这些工具处理五个主要类别的栅格数据集：按位、布尔、组合、关系和逻辑。下表列出了逻辑数学工具并提供了每个工具的简要说明：

逻辑数学工具集中的按位工具
工具	描述
按位与	对两个输入栅格的二进制值执行“按位与”运算。
按位左移	对两个输入栅格的二进制值执行“按位左移”运算。
按位非	对输入栅格的二进制值执行“按位非”（求反）运算。
按位或	对两个输入栅格的二进制值执行“按位或”运算。
按位右移	对两个输入栅格的二进制值执行“按位右移”运算。
按位异或	对两个输入栅格的二进制值执行“按位异或”运算。

逻辑数学工具集中的布尔工具
工具	描述
布尔与	对两个输入栅格的像元值执行“布尔与”运算。如果两个输入值都为真（非零），则输出值为 1。如果一个或两个输入值为假（零），则输出值为 0。
布尔非	对此输入栅格的各像元值执行“布尔非”（求反）运算。如果输入值为真（非零），则输出值为 0。如果输入值为假（零），则输出值为 1。
布尔或	对两个输入栅格的像元值执行“布尔或”运算。如果一个或两个输入值为真（非零），则输出值为 1。如果两个输入值都为假（零），则输出值为 0。
布尔异或	对两个输入栅格的像元值执行“布尔异或”运算。如果一个输入值为真（非零），而另一个输入值为假（零），则输出值为 1。如果两个输入值都为真或都为假，则输出值为 0。

逻辑数学工具集中的组合工具
工具	描述
组合与	对两个输入栅格的像元值执行“组合与”运算。如果两个输入值都为真（非零），则输入值的每种唯一组合的输出是一个不同的值。如果一个或两个输入都为假（零），则输出值为 0。
组合或	对两个输入栅格的像元值执行“组合或”运算。如果一个输入值为真（非零），则输入值的每种唯一组合的输出是一个不同的值。如果两个输入值均为假（零），则输出值为 0。
组合异或	对两个输入栅格的像元值执行“组合异或”运算。如果一个输入值为真（非零），而另一个输入值为假（零），则输入值的每种唯一组合的输出是一个不同的值。如果两个输入都为真，或两个都为假，则输出值为 0。

逻辑数学工具集中的关系工具
工具	描述
等于	以逐个像元比较的方式对两个输入执行关系等于运算。如果第一个栅格数据等于第二个栅格数据则为像元返回 1，否则返回 0。
大于	以逐个像元比较的方式对两个输入执行关系大于运算。如果第一个栅格数据大于第二个栅格数据则为像元返回 1，否则返回 0。
大于等于	以逐个像元比较的方式对两个输入执行关系大于或等于运算。如果第一个栅格数据大于或等于第二个栅格数据则为像元返回 1，否则返回 0。
小于	以逐个像元比较的方式对两个输入执行关系小于运算。如果像元中第一个栅格数据小于第二个栅格数据，则返回 1，否则返回 0。
小于等于	以逐个像元比较的方式对两个输入执行关系小于或等于运算。如果第一个栅格数据小于或等于第二个栅格数据则为栅格返回 1，否则返回 0。
不等于	以逐个单元比较的方式对两个输入执行关系不等于运算。在第一个栅格不等于第二个栅格时为像元返回 1，否则返回 0。

逻辑数学工具集中的逻辑工具
工具	描述
差异	以逐个像元比较的方式，确定第一个输入的哪些值与第二个输入的值在逻辑上不同。如果两个输入值不同，则输出第一个输入的值。如果两个输入的值相同，则输出为 0。
InList	逐个像元来确定第一个输入栅格中的哪些值同样包含在该组的其他输入栅格中。对于每个像元，如果在任何其他输入列表中找到第一个输入栅格的值，则该值将分配给输出栅格。如果没有找到，则输出像元将为 NoData。
为空	逐个像元来确定输入栅格中哪些值为 NoData。如果输入值为 NoData，则返回 1，否则返回 0。
Over	对于第一个输入中不为 0 的像元值，输出值将是第一个输入的值。如果该像元值为 0，输出值将是第二个输入栅格对应像元的值。
条件测试	使用逻辑表达式对输入栅格执行布尔评估。如果该表达式评估结果为真，则输出像元值为 1。如果该表达式评估结果为假，则输出像元值为 0。

数学分析（三角函数）

三角函数数学工具集中的工具对输入栅格值执行各种三角函数计算。下表列出了三角函数数学工具并提供了每个工具的简要说明：

三角函数数学工具集中的工具
工具	描述
ACos	计算栅格中像元的反余弦值。
ACosH	计算栅格中像元的反双曲余弦值。
ASin	计算栅格中像元的反正弦值。
ASinH	计算栅格中像元的反双曲正弦值。
ATan	计算栅格中像元的反正切值。
ATan2	计算栅格中像元的反双曲正切值。
ATanH	计算栅格中像元的反双曲正切值。
Cos	计算栅格中各像元的余弦值。
CosH	计算栅格中像元的双曲余弦值。
Sin	计算栅格中各像元的正弦值。
SinH	计算栅格中各像元的双曲正弦值。
Tan	计算栅格中像元的正切值。
TanH	计算栅格中像元的双曲正切值。

动态视频影像

动态视频影像工具集中的工具用于管理、处理和分析动态图像，包括完整的动态视频数据。下表列出了所有动态视频影像工具并提供了每个工具的简要说明：

动态视频影像工具集中的工具
工具	描述
转换视频元数据	通过字段匹配和转换单位类型，准备视频元数据文件以在地理空间视频工作流中进一步处理。
将视频帧提取为图像	从兼容 FMV 的视频流中提取视频帧影像和相关元数据并将数据保存到目录中。
生成视频元数据（静态）	根据不含元数据的预录制视频创建支持地理空间的视频文件。
视频元数据至要素类	从兼容 FMV 的视频中提取平台、帧中心、帧轮廓和属性元数据，并将要素数据保存到目录中。
视频多路复用器	创建一个视频文件，从而将存档视频流文件和按照时间戳同步的关联元数据文件相结合。

多维分析

多维分析工具集中的工具对跨多个变量和维度的科学数据进行分析。下表列出了多维分析工具并提供了每个工具的简要说明：

多维分析工具集中的工具
工具	描述
聚合多维栅格	通过沿维度组合现有多维栅格变量来生成多维栅格数据集。
维度移动统计数据	在沿指定维度的多维数据的移动窗口上计算统计数据。
查找参数统计信息	用于为多维或多波段栅格中的每个像素提取达到给定统计量的维度值或波段指数。
生成多维异常	用于计算现有多维栅格中每个剖切的异常，以生成新的多维栅格。
生成趋势栅格	用于面向多维栅格中一个或多个变量估计每个像素沿维度的趋势。
多维主成分分析	减少可解释整个多维栅格变化的主成分数量，以便轻松识别空间和时间模式。
多维栅格相关性	分析一个或两个多维栅格中两个变量之间的相关性。
使用趋势栅格预测	使用来自生成趋势栅格工具的输出趋势栅格来计算预测多维栅格。
汇总分类栅格	用于生成一个表，其中包含输入分类栅格的每个剖切片中，每个类的像素计数。

叠加图层

“叠加分析”工具集中的工具对多个叠加栅格执行多种运算。下表列出了可用的叠加工具，并对每个工具进行了简要描述：

叠加工具集中的工具
工具	描述
加权总和	通过将栅格数据各自乘以指定的权重并合计在一起来叠加多个栅格数据。

光谱分析

“光谱分析”工具集中的工具包含用于对多波段和高光谱影像进行光谱分析的工具。

“光谱分析”工具集中的工具
工具	描述
使用光谱对栅格进行分类	使用光谱匹配方法对多波段栅格数据集进行分类。输入光谱数据可以作为点要素类或 `.json` 文件提供。
检测图像异常	处理多波段或高光谱图像，并生成异常得分栅格。异常得分栅格是一个单波段栅格，其值介于 0 和 1 之间。
使用光谱检测目标	识别图像中与光谱特征匹配的像素。
从图像中提取光谱	使用影像从输入要素数据中提取光谱特征，以创建 Esri 光谱库 (`.esl`) 文件。
线性光谱解混	用于执行亚像素分类和计算单个像素的不同土地覆被类型的分数丰度。
减少光谱波段	利用最小噪声分离和主成分分析分析方法减少多波段影像中的光谱波段数量。

统计数据

使用统计工具集中的工具，在本地、邻域或分区基础上执行统计栅格运算。下表列出了统计工具并提供了每个工具的简要说明：

统计分析工具集中的工具
工具	描述
像元统计	根据多个栅格计算每个像元的统计数据。可用的统计数据包括多数、最大值、平均值、中值、最小值、少数、百分位数、范围、标准差、总和及变异度。
查找参数统计信息	可以提取在多维栅格数据集的栅格堆栈中达到特定统计数据的维度值（例如日期、高度或深度）。
焦点统计	为每个输入像元位置计算其周围指定邻域内的值的统计数据。
分区统计	汇总另一个数据集区域内的栅格值。
以表格显示分区统计	汇总另一个数据集区域内的栅格数据值并以表的形式显示结果。

合成孔径雷达

合成孔径雷达工具集中的工具可以纠正、处理和分析合成孔径雷达 (SAR) 数据。下表列出了合成孔径雷达工具并提供了每个工具的简要说明：

合成孔径雷达工具集中的工具
工具	描述
应用复杂数据过滤器	平滑合成孔径雷达 (SAR) 复合输入数据的相位分量，并输出复合雷达数据。
应用配准	使用数字高程模型 (DEM) 和轨道状态矢量元数据将副单视复数 (SLC) 数据重新采样到参考 SLC 格网。
应用几何地形校正	使用距离多普勒反向地理编码算法对输入合成孔径雷达 (SAR) 数据进行正射校正。
应用轨道校正	使用更准确的轨道状态向量 (OSV) 文件更新 Sentinel-1 合成孔径雷达 (SAR) 数据集中的轨道信息。
应用辐射定标	通过使用参考平面归一化反射率，将输入合成孔径雷达 (SAR) 反射率转换为归一化反向散射的物理单位。
应用辐射地形扁率	校正由于地形引起辐射变型的输入合成孔径雷达 (SAR) 数据。
计算相干性	计算参考和副输入复杂雷达数据之间的相似度。
计算 SAR 指数	计算合成孔径雷达 (SAR) 数据的各种 SAR 指数，例如雷达植被指数 (RVI)、雷达森林退化指数 (RFDI) 和冠层结构指数 (CSI)。
转换 SAR 单位	转换输入合成孔径雷达 (SAR) 数据的缩放比例。
创建彩色合成	从多波段栅格数据集创建三波段栅格数据集。
去除脉冲带	合并来自 Sentinel-1 单视复数 (SLC) 合成孔径雷达 (SAR) 输入数据的多个脉冲，并输出单一无缝子条带栅格。
去斑	针对噪声校正输入合成孔径雷达 (SAR) 数据，噪声是连贯照明的结果，类似于颗粒状或椒盐效应。
检测亮色海洋对象	检测潜在的亮色人造物体（例如船舶、石油钻井平台和风车），同时掩膜掉感兴趣区域之外的合成孔径雷达 (SAR) 数据。
检测深色海洋区域	识别属于石油泄漏或藻类的潜在深色像素，对这些像素进行聚类，同时屏蔽感兴趣区域之外的合成孔径雷达 (SAR) 数据。
下载轨道文件	下载 Sentinel-1 合成孔径雷达 (SAR) 数据的更新轨道文件。
提取海洋风	估算海洋表面的风向和风力大小。
提取水体	使用合成孔径雷达 (SAR) 数据和数字高程模型 (DEM) 查找水体。
生成干涉图	通过区分参考的相位和副单视复数 (SLC) 输入创建干涉图。
生成掩膜 SAR 栅格	生成保留整个原始输入范围的雷达测量值，同时掩膜指定感兴趣区域的输出合成孔径雷达 (SAR) 数据集。
生成多时相相干性	使用检测到的地面范围和相干性产品生成假彩色合成图像。合成图像中的每个波段均由不同的合成孔径雷达 (SAR) 采集数据组成，这些数据源自复合雷达产品。
多视	按照距离和方位视图对输入的合成孔径雷达 (SAR) 数据进行平均，以近似为正方形像素、减少斑点和缩短 SAR 工具处理时间。
移除热噪声	校正输入合成孔径雷达 (SAR) 数据中由热噪声引起的反向散射干扰，从而生成更加流畅的图像。
解缠相位	消除相位模糊并求解单视复数 (SLC) 数据的连续相位值。

实用工具

实用工具集中的工具对图像和衍生产品执行预处理和后处理。下表列出了实用工具并提供了其简要说明：

实用工具集中的工具
工具	描述
创建二进制掩膜	实用工具工具集包含诸多工具，用于对影像和派生产品进行预处理和后处理。