Mit der Spatial Analyst-Lizenz verfügbar.
Mit der Image Analyst-Lizenz verfügbar.
Zusammenfassung
Generiert eine Esri Classifier Definition-Datei (.ecd) anhand der Klassifizierungsdefinition des Maximum-Likelihood-Klassifikators.
Verwendung
Um die Maximum-Likelihood-Klassifizierung abzuschließen, verwenden Sie dasselbe Eingabe-Raster und die Ausgabe-.ecd-Datei aus diesem Werkzeug im Werkzeug Raster klassifizieren.
Das Eingabe-Raster kann ein beliebiges von Esri unterstütztes Raster mit einer gültigen Bit-Tiefe sein.
Klicken Sie zum Erstellen eines segmentierten Raster-Datasets auf das Werkzeug Mean Shift-Segmentierung.
Verwenden Sie zum Erstellen der Trainingsgebietdatei den Bereich Trainingsgebiet-Manager im Dropdown-Menü Klassifizierungswerkzeuge.
Die Ausgabe-Klassifikatordefinitionsdatei enthält Attributstatistiken, die für das Werkzeug Maximum-Likelihood-Klassifizierung geeignet sind.
Der Parameter Segmentattribute ist nur dann aktiviert, wenn eine der Raster-Layer-Eingaben ein segmentiertes Bild ist.
Um mit dem CCDC-Algorithmus (Continuous Change Detection and Classification) eine Zeitserie von Raster-Daten zu klassifizieren, führen Sie zuerst das Werkzeug Veränderungen mit CCDC analysieren aus und verwenden das Ausgabe-Veränderungsanalyse-Raster als Eingabe-Raster für dieses Trainingswerkzeug.
Die Trainingsgebietsdaten müssen zu mehreren Zeitpunkten mit dem Trainingsgebiet-Manager erfasst werden. Der Dimensionswert für jede Stichprobe wird in einem Feld in der Trainingsgebiet-Feature-Class aufgelistet, das im Parameter Dimensionswertefeld angegeben wird.
Syntax
TrainMaximumLikelihoodClassifier(in_raster, in_training_features, out_classifier_definition, {in_additional_raster}, {used_attributes}, {dimension_value_field})| Parameter | Erklärung | Datentyp |
in_raster | Das Raster-Dataset, das klassifiziert werden soll. | Raster Layer; Mosaic Layer; Image Service; String |
in_training_features | Die Trainingsgebietdatei bzw. der Trainingsgebiet-Layer, der die Training-Sites abgrenzt. Ihre Trainingsgebiete können entweder in Shapefiles oder in Feature-Classes enthalten sein. In der Trainingsgebiet-Datei werden die folgenden Feldnamen benötigt:
| Feature Layer |
out_classifier_definition | Die JSON-Ausgabedatei, die Attributinformationen, Statistiken, Hyperebenenvektoren und weitere Daten für den Klassifikator enthält. Es wird eine .ecd-Datei erstellt. | File |
in_additional_raster (optional) | Integriert Zusatz-Raster-Datasets wie ein segmentiertes Bild oder ein DEM. Dieser Parameter ist optional. | Raster Layer; Mosaic Layer; Image Service; String |
used_attributes [used_attributes,...] (optional) | Gibt die Attribute an, die in die dem Ausgabe-Raster zugeordnete Attributtabelle aufgenommen werden sollen.
Dieser Parameter ist nur aktiviert, wenn die Schlüsseleigenschaft Segmentiert auf das Eingabe-Raster festgelegt ist. Wenn die einzige Eingabe für das Werkzeug ein segmentiertes Bild ist, lauten die Standardattribute COLOR, COUNT, COMPACTNESS und RECTANGULARITY. Wenn ein in_additional_raster als Eingabe mit einem segmentierten Bild einbezogen wird, sind die Attribute MEAN und STD ebenfalls verfügbar. | String |
dimension_value_field (optional) | Enthält Dimensionswerte in der Eingabe-Trainingsgebiet-Feature-Class. Dieser Parameter ist erforderlich, um mit dem Veränderungsanalyse-Raster, das vom Werkzeug Veränderungen mit CCDC analysieren ausgegeben wird, eine Zeitserie von Raster-Daten zu klassifizieren. | Field |
Codebeispiel
Das folgende Skript veranschaulicht die Verwendung des Werkzeugs TrainMaximumLikelihoodClassifier im Python-Fenster.
import arcpy
from arcpy.ia import *
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
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")In diesem Beispiel wird gezeigt, wie ein Maximum-Likelihood-Klassifikator trainiert wird.
# 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"
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
# Execute
TrainMaximumLikelihoodClassifier(inSegRaster, train_features, out_definition,
in_additional_raster, attributes)In diesem Beispiel wird gezeigt, wie ein Maximum-Likelihood-Klassifikator mit einem Veränderungsanalyse-Raster aus dem Werkzeug Veränderungen mit CCDC analysieren trainiert wird.
# Import system modules
import arcpy
from arcpy.ia import *
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
# 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"
# Execute
arcpy.ia.TrainMaximumLikelihoodClassifier(
in_changeAnalysisRaster, train_features, out_definition,
additional_raster, attributes, dimension_field)Umgebungen
Lizenzinformationen
- Basic: Erfordert Image Analyst oder Spatial Analyst
- Standard: Erfordert Image Analyst oder Spatial Analyst
- Advanced: Erfordert Image Analyst oder Spatial Analyst