ISO-Cluster-Klassifikator trainieren (Spatial Analyst)

Mit der Spatial Analyst-Lizenz verfügbar.

Mit der Image Analyst-Lizenz verfügbar.

Zusammenfassung

Generiert eine Esri Classifier Definition-Datei (.ecd) anhand der ISO-Cluster-Klassifizierung.

Dieses Werkzeug führt eine nicht überwachte Klassifizierung durch.

Verwendung

  • Als Eingabe werden beliebige, von Esri unterstützte Raster akzeptiert, darunter Raster-Produkte, segmentierte Raster, Mosaike, Image-Services oder generische Raster-Datasets. Die segmentierten Raster müssen 8-Bit-Raster mit 3 Bändern sein.

  • Der Parameter Segmentattribute ist nur aktiv, wenn eine der Raster-Layer-Eingaben ein segmentiertes Bild ist.

Parameter

BeschriftungErläuterungDatentyp
Eingabe-Raster

Das Raster-Dataset, das klassifiziert werden soll.

Raster Layer; Mosaic Layer; Image Service; String
Maximale Anzahl von Klassen/Clustern

Maximale Anzahl gewünschter Klassen für die Gruppierung von Pixeln oder Segmenten. Dieser Wert sollte größer sein als die Anzahl der Klassen in Ihrer Legende.

Sie erhalten möglicherweise weniger Klassen als Sie für diesen Parameter angegeben haben. Falls Sie mehr benötigen, erhöhen Sie diesen Wert, und aggregieren Sie Klassen, nachdem Sie den Trainingsvorgang abgeschlossen haben.

Long
Ausgabe-Klassifikatordefinitionsdatei

Die Ausgabedatei im JSON-Format, die Attributinformationen, Statistiken, Hyperebenenvektoren und weitere Daten für den Klassifikator enthält. Dabei wird eine .ecd-Datei erstellt.

File
Zusätzliches Eingabe-Raster
(optional)

Zusatz-Raster-Datasets, wie ein Multispektralbild oder ein DEM, werden integriert, um Attribute und weitere erforderliche Informationen für die Klassifizierung zu generieren. Dieser Parameter ist optional.

Raster Layer; Mosaic Layer; Image Service; String
Maximale Anzahl an Iterationen
(optional)

Die maximale Anzahl von Iterationen für die Ausführung der Cluster-Bildung wird ausgeführt.

Der empfohlene Wertebereich ist 10 bis 20 Iterationen. Wenn dieser Wert erhöht wird, steigt die Verarbeitungszeit linear an.

Long
Minimale Anzahl von Stichproben pro Cluster
(optional)

Die minimale Anzahl von Pixeln oder Segmenten in einem gültigen Cluster bzw. einer gültigen Klasse

Der Standardwert 20 ist bei der Erstellung statistisch signifikanter Klassen ein effektiver Wert. Sie können diese Anzahl erhöhen, um robustere Klassen zu erzielen. Hierdurch kann jedoch die Gesamtzahl der erstellten Klassen begrenzt werden.

Long
Sprungfaktor
(optional)

Anzahl der zu überspringenden Pixel für die Eingabe eines Pixelbilds Wenn das segmentierte Bild eine Eingabe ist, geben Sie die Anzahl der zu überspringenden Segmente an.

Long
Verwendete Segmentattribute
(optional)

Gibt die Attribute an, die in die dem Ausgabe-Raster zugeordnete Attributtabelle aufgenommen werden.

Dieser Parameter ist nur aktiv, wenn die Schlüsseleigenschaft Segmentiert auf das Eingabe-Raster festgelegt ist. Wenn die einzige Eingabe für das Werkzeug ein segmentiertes Bild ist, lauten die Standardattribute Durchschnittliche Chromatizität, Pixelanzahl, Kompaktheit und Rechtwinkligkeit. Wenn ein Wert für Zusätzliches Eingabe-Raster als Eingabe mit einem segmentierten Bild einbezogen wird, sind die Attribute Digitaler Mittelwert und Standardabweichung ebenfalls verfügbar.

  • Konvergierender FarbwertDie RGB-Farbwerte werden segmentbezogen aus dem Eingabe-Raster abgeleitet.
  • Digitaler MittelwertDer digitale Mittelwert (DN) wird aus dem optionalen Pixelbild segmentbezogen abgeleitet.
  • StandardabweichungDie Standardabweichung wird aus dem optionalen Pixelbild, segmentbezogen abgeleitet.
  • PixelanzahlDie Anzahl der im Segment enthaltenen Pixel, segmentbezogen.
  • KompaktheitDer Grad der Kompaktheit oder Kreisförmigkeit eines Segments, segmentbezogen. Die Werte liegen zwischen 0 und 1, wobei 1 einem Kreis entspricht.
  • RechtwinkligkeitDer Grad der Rechteckigkeit des Segments, segmentbezogen. Die Werte liegen zwischen 0 und 1, wobei 1 einem Rechteck entspricht.
String
Max. Anzahl der Cluster-Zusammenführungen pro Iteration
(optional)

Die maximale Anzahl der Cluster-Zusammenführungen pro Iteration. Durch Erhöhen der Anzahl der Zusammenführungen wird die Anzahl der erstellten Klassen reduziert. Ein niedrigerer Wert führt zu mehr Klassen.

Long
Maximaler Zusammenführungsabstand
(optional)

Die maximale Entfernung zwischen den Cluster-Mittelpunkten in einem Feature-Raum. Durch Erhöhen der Entfernung können mehr Cluster zusammengeführt werden, sodass die Anzahl der Klassen reduziert wird. Ein niedrigerer Wert führt zu mehr Klassen. Werte zwischen 0 und 5 geben in der Regel die besten Ergebnisse zurück.

Double

TrainIsoClusterClassifier(in_raster, max_classes, out_classifier_definition, {in_additional_raster}, {max_iterations}, {min_samples_per_cluster}, {skip_factor}, {used_attributes}, {max_merge_per_iter}, {max_merge_distance})
NameErläuterungDatentyp
in_raster

Das Raster-Dataset, das klassifiziert werden soll.

Raster Layer; Mosaic Layer; Image Service; String
max_classes

Maximale Anzahl gewünschter Klassen für die Gruppierung von Pixeln oder Segmenten. Dieser Wert sollte größer sein als die Anzahl der Klassen in Ihrer Legende.

Sie erhalten möglicherweise weniger Klassen als Sie für diesen Parameter angegeben haben. Falls Sie mehr benötigen, erhöhen Sie diesen Wert, und aggregieren Sie Klassen, nachdem Sie den Trainingsvorgang abgeschlossen haben.

Long
out_classifier_definition

Die Ausgabedatei im JSON-Format, die Attributinformationen, Statistiken, Hyperebenenvektoren und weitere Daten für den Klassifikator enthält. Dabei wird eine .ecd-Datei erstellt.

File
in_additional_raster
(optional)

Zusatz-Raster-Datasets, wie ein Multispektralbild oder ein DEM, werden integriert, um Attribute und weitere erforderliche Informationen für die Klassifizierung zu generieren. Dieser Parameter ist optional.

Raster Layer; Mosaic Layer; Image Service; String
max_iterations
(optional)

Die maximale Anzahl von Iterationen für die Ausführung der Cluster-Bildung wird ausgeführt.

Der empfohlene Wertebereich ist 10 bis 20 Iterationen. Wenn dieser Wert erhöht wird, steigt die Verarbeitungszeit linear an.

Long
min_samples_per_cluster
(optional)

Die minimale Anzahl von Pixeln oder Segmenten in einem gültigen Cluster bzw. einer gültigen Klasse

Der Standardwert 20 ist bei der Erstellung statistisch signifikanter Klassen ein effektiver Wert. Sie können diese Anzahl erhöhen, um robustere Klassen zu erzielen. Hierdurch kann jedoch die Gesamtzahl der erstellten Klassen begrenzt werden.

Long
skip_factor
(optional)

Anzahl der zu überspringenden Pixel für die Eingabe eines Pixelbilds Wenn das segmentierte Bild eine Eingabe ist, geben Sie die Anzahl der zu überspringenden Segmente an.

Long
used_attributes
[used_attributes;used_attributes,...]
(optional)

Gibt die Attribute an, die in die dem Ausgabe-Raster zugeordnete Attributtabelle aufgenommen werden.

  • COLORDie RGB-Farbwerte werden segmentbezogen aus dem Eingabe-Raster abgeleitet.
  • MEANDer digitale Mittelwert (DN) wird aus dem optionalen Pixelbild segmentbezogen abgeleitet.
  • STDDie Standardabweichung wird aus dem optionalen Pixelbild, segmentbezogen abgeleitet.
  • COUNTDie Anzahl der im Segment enthaltenen Pixel, segmentbezogen.
  • COMPACTNESSDer Grad der Kompaktheit oder Kreisförmigkeit eines Segments, segmentbezogen. Die Werte liegen zwischen 0 und 1, wobei 1 einem Kreis entspricht.
  • RECTANGULARITYDer Grad der Rechteckigkeit des Segments, segmentbezogen. Die Werte liegen zwischen 0 und 1, wobei 1 einem Rechteck entspricht.

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-Wert als Eingabe mit einem segmentierten Bild einbezogen wird, sind die Attribute MEAN und STD ebenfalls verfügbar.

String
max_merge_per_iter
(optional)

Die maximale Anzahl der Cluster-Zusammenführungen pro Iteration. Durch Erhöhen der Anzahl der Zusammenführungen wird die Anzahl der erstellten Klassen reduziert. Ein niedrigerer Wert führt zu mehr Klassen.

Long
max_merge_distance
(optional)

Die maximale Entfernung zwischen den Cluster-Mittelpunkten in einem Feature-Raum. Durch Erhöhen der Entfernung können mehr Cluster zusammengeführt werden, sodass die Anzahl der Klassen reduziert wird. Ein niedrigerer Wert führt zu mehr Klassen. Werte zwischen 0 und 5 geben in der Regel die besten Ergebnisse zurück.

Double

Codebeispiel

TrainIsoClusterClassifier – Beispiel 1 (Python-Fenster)

Das folgende Skript für ein Python-Fenster nutzt den ISO-Cluster-Klassifikator für die Erstellung einer unüberwachten Esri Classification Definition-Datei mit bis zu zehn Klassen.

import arcpy
from arcpy.sa import *

TrainIsoClusterClassifier("c:/test/moncton_seg.tif", "10", 
                "c:/output/moncton_sig_iso.ecd","c:/test/moncton.tif", 
                "5", "10", "2", "COLOR;MEAN;STD;COUNT;COMPACTNESS;RECTANGULARITY")
TrainIsoClusterClassifier – Beispiel 2 (eigenständiges Skript)

Dieses Beispielskript nutzt den ISO-Cluster-Klassifikator für die Erstellung einer unüberwachten Esri Classification Definition-Datei mit bis zu zehn Klassen.

# Import system modules
import arcpy
from arcpy.sa import *


# Set local variables
inSegRaster = "c:/test/moncton_seg.tif"
maxNumClasses = "10"
out_definition = "c:/output/moncton_sig_iso.ecd"
in_additional_raster = "moncton.tif"
maxIteration = "20"
minNumSamples = "10"
skipFactor = "5"
attributes = "COLOR;MEAN;STD;COUNT;COMPACTNESS;RECTANGULARITY"

# Execute 
TrainIsoClusterClassifier(inSegRaster, maxNumClasses, out_definition,
                          in_additional_raster, maxIteration, 
                          minNumSamples, skipFactor, attributes)

Lizenzinformationen

  • Basic: Erfordert Spatial Analyst oder Image Analyst
  • Standard: Erfordert Spatial Analyst oder Image Analyst
  • Advanced: Erfordert Spatial Analyst oder Image Analyst

Verwandte Themen