训练最大似然法分类器 (影像分析工具)

汇总

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)。

用法

要完成最大似然法分类过程，请在分类栅格工具中使用相同的输入栅格以及此工具的输出 .ecd 文件。
输入栅格可以为具有任何有效位深度的任何 Esri 支持的栅格。
要创建分割栅格数据集，请使用均值漂移影像分割工具。
要创建训练样本文件，请使用分类工具下拉菜单中的训练样本管理器窗格。
输出分类器定义文件包含适用于最大似然法分类工具的属性统计数据，该工具随 Spatial Analyst 扩展模块许可提供。
分割影像属性参数仅在其中一个栅格图层输入为分割影像时处于活动状态。
要使用连续变化检测和分类 (CCDC) 算法对时间序列栅格数据进行分类，请首先运行使用 CCDC 分析变化工具。然后使用输出变化分析栅格作为此训练工具的输入栅格。

训练样本数据必须使用训练样本管理器在多个时间点进行采集。每个样本的维度值记录在训练样本要素类的某个字段中，该字段由维度值字段参数中指定。

标注	说明	数据类型
输入栅格	待分类的栅格数据集。	Raster Layer; Mosaic Layer; Image Service; String
输入训练样本文件	用于描绘训练场的训练样本文件或图层。它们可以是包含训练样本的 shapefile 或要素类。训练样本文件中需要以下字段名称： `classname`—指示类类别名称的文本字段 `classvalue`—包含每个类类别的整数值的长整型字段	Feature Layer
输出分类器定义文件	包含属性信息、统计数据、超平面矢量和分类器所需的其他信息的输出 JSON 格式文件。将创建 `.ecd` 文件。	File
附加输入栅格（可选）	整合辅助栅格数据集，例如分割影像或 DEM。设置此参数属于可选操作。	Raster Layer; Mosaic Layer; Image Service; String
所用的分割影像属性（可选）	指定要包括在与输出栅格相关联的属性表中的属性。此参数仅在输入栅格的分割关键属性设置为 true 时处于活动状态。如果该工具的唯一输入是分割影像，则默认属性包括聚合颜色、像素计数、紧密度和矩形度。如果在输入分割影像的同时还包含一个附加输入栅格值，则平均数字值和标准差也将成为可用的属性。聚合颜色—RGB 颜色值将基于每个分割从输入栅格获取。这也称为平均色度。平均数字值—基于每个分割，将从可选像素图像中获取的平均数字值 (DN)。标准差—基于每个分割，将从可选像素影像中获取的标准差。像素计数—基于每个分割，构成分割的像素数。紧密度—基于每个分割，决定分割为紧凑型还是圆形的度数。值的范围从 0 到 1，1 表示圆形。垂直度—基于每个分割，决定分割为矩形的度数。值的范围从 0 到 1，1 表示矩形。	String
维度值字段（可选）	在输入训练样本要素类中包含维度值。使用来自使用 CCDC 分析变化工具的变化分析栅格输出对栅格数据时间序列进行分类时，此参数为必需项。	Field

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

名称	说明	数据类型
in_raster	待分类的栅格数据集。	Raster Layer; Mosaic Layer; Image Service; String
in_training_features	用于描绘训练场的训练样本文件或图层。它们可以是包含训练样本的 shapefile 或要素类。训练样本文件中需要以下字段名称： `classname`—指示类类别名称的文本字段 `classvalue`—包含每个类类别的整数值的长整型字段	Feature Layer
out_classifier_definition	包含属性信息、统计数据、超平面矢量和分类器所需的其他信息的输出 JSON 格式文件。将创建 `.ecd` 文件。	File
in_additional_raster （可选）	整合辅助栅格数据集，例如分割影像或 DEM。设置此参数属于可选操作。	Raster Layer; Mosaic Layer; Image Service; String
used_attributes [used_attributes,...] （可选）	指定要包括在与输出栅格相关联的属性表中的属性。此参数仅在输入栅格的分割关键属性设置为 true 时处于启用状态。如果该工具的唯一输入是分割影像，则默认属性包括 `COLOR`、`COUNT`、`COMPACTNESS` 和 `RECTANGULARITY`。如果在输入分割影像的同时还包含一个 `in_additional_raster` 值，则 `MEAN` 和 `STD` 也将成为可用的属性。 `COLOR`—RGB 颜色值将基于每个分割从输入栅格获取。这也称为平均色度。 `MEAN`—基于每个分割，将从可选像素图像中获取的平均数字值 (DN)。 `STD`—基于每个分割，将从可选像素影像中获取的标准差。 `COUNT`—基于每个分割，构成分割的像素数。 `COMPACTNESS`—基于每个分割，决定分割为紧凑型还是圆形的度数。值的范围从 0 到 1，1 表示圆形。 `RECTANGULARITY`—基于每个分割，决定分割为矩形的度数。值的范围从 0 到 1，1 表示矩形。	String
dimension_value_field （可选）	在输入训练样本要素类中包含维度值。使用来自使用 CCDC 分析变化工具的变化分析栅格输出对栅格数据时间序列进行分类时，此参数为必需项。	Field

代码示例

TrainMaximumLikelihoodClassifier 示例 1（Python 窗口）

下面的 Python 窗口脚本演示了如何使用 TrainMaximumLikelihoodClassifier 工具。

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 示例 2（独立脚本）

本示例显示了如何训练最大似然法分类器。

# 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 示例 3（独立脚本）

本示例展示了如何使用来自使用 CCDC 分析变化工具的变化分析栅格训练最大似然法分类器。

# 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)

环境

当前工作空间, 范围, 地理变换, 输出坐标系, 临时工作空间, 捕捉栅格

许可信息

基本: 需要 Image Analyst 或 Spatial Analyst
标准: 需要 Image Analyst 或 Spatial Analyst
高级: 需要 Image Analyst 或 Spatial Analyst

训练最大似然法分类器 (影像分析工具)

汇总

用法

参数

环境

许可信息

相关主题