训练 K 最近邻分类器 (Spatial Analyst 工具)
汇总
使用 K 最近邻 (KNN) 分类方法生成 Esri 分类器定义文件 (.ecd)。
K 最近邻分类器是一种非参数化分类方法，用于按像素或分割的邻域的多数投票对其进行分类。 K 是用于投票的定义的邻数量。
用法
此工具将训练样本分配到相应类别。 输入像素的类别取决于其 K 最近邻域的多数票。
任何 Esri 支持的栅格都可用作输入，包括栅格产品、分割栅格、镶嵌、影像服务和通用栅格数据集。 分隔栅格必须为 8 位三波段栅格。
此工具的输出为
.ecd文件，用于在分类栅格工具中对新栅格进行分类。 然后，分类栅格工具将计算每个输入像素或分割到所有训练样本的距离。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。
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。
对于关键属性设置为分割的分割栅格，此工具将计算 RGB 分割栅格中的索引影像及相关的分割影像属性。 计算的属性将用于生成要在独立分类工具中使用的分类器定义文件。 可根据任意 Esri 支持的影像计算每个分割影像的属性。
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。
参数
| 标注 | 说明 | 数据类型 |
|---|---|---|
|
输入栅格 |
待分类的栅格数据集。 要分类的单波段栅格或分割栅格、多波段栅格或多维栅格。 |
Mosaic Layer; Raster 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：
|
Feature Layer |
|
输出分类器定义文件 |
包含分类器的属性信息、统计数据或其他信息的 JSON 格式的 |
File |
|
附加输入栅格 （可选） |
将对其他栅格数据集（如多光谱影像或 DEM）进行整合，从而为分类生成属性和其他所需信息。 设置此参数属于可选操作。 |
Raster Layer; Mosaic Layer; Image Service; String |
|
k 最近邻 （可选） |
将用于搜索每个输入像素或分割影像的相邻要素数。 增加相邻要素数量将减少单个相邻要素对分类结果的影响。 默认值为 1。 |
Long |
|
每个类的最大样本数 （可选） |
将用于每个类的最大训练样本数。 如果输入为非分割栅格，建议使用默认值 1000。 值小于或等于 0 表示系统将使用训练场中的所有样本来训练分类器。 |
Long |
|
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。
|
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 Image Analyst 工具箱中使用 CCDC 分析变化工具的变化分析栅格输出来分类栅格数据的时间序列时，需要使用此参数。 |
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 Spatial Analyst 或 Image Analyst
- 标准: 需要 Spatial Analyst 或 Image Analyst
- 高级: 需要 Spatial Analyst 或 Image Analyst