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.
Zum Klassifizieren von Zeitserien-Raster-Daten mit dem CCDC-Algorithmus (Continuous Detection and Classification) ist ein aus zwei Schritten bestehender Prozess erforderlich. Führen Sie zuerst das Werkzeug Veränderungen mit CCDC analysieren aus, das mit einer Lizenz für die Erweiterung Image Analyst verfügbar ist. Verwenden Sie anschließend die dortigen Ergebnisse als Eingabe 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 in der Toolbox Image Analyst 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.sa 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")In diesem Beispiel wird gezeigt, wie ein Maximum-Likelihood-Klassifikator trainiert wird.
# Import system modules
import arcpy
from arcpy.sa import *
# 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"
# 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.sa import *
# Check out the ArcGIS Spatial Analyst extension license
arcpy.CheckOutExtension("Spatial")
# Set local variables
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.sa.TrainMaximumLikelihoodClassifier(
in_changeAnalysisRaster, train_features, out_definition,
additional_raster, attributes, dimension_field)Umgebungen
Lizenzinformationen
- Basic: Erfordert Spatial Analyst oder Image Analyst
- Standard: Erfordert Spatial Analyst oder Image Analyst
- Advanced: Erfordert Spatial Analyst oder Image Analyst