Maximum-Likelihood-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 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 aktiv, 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.

Parameter

BeschriftungErläuterungDatentyp
Eingabe-Raster

Das Raster-Dataset, das klassifiziert werden soll.

Raster Layer; Mosaic Layer; Image Service; String
Eingabe-Trainingsgebietdatei

Die Trainingsgebietdatei bzw. der Trainingsgebiet-Layer, der die Training-Sites abgrenzt.

Die Trainingsgebiete können entweder in Shapefiles oder in Feature-Classes enthalten sein. In der Trainingsgebiet-Datei werden die folgenden Feldnamen benötigt:

  • classname: Ein Textfeld, das den Namen der Klassenkategorie angibt.
  • classvalue: Ein "Long Integer"-Feld, das den ganzzahligen Wert für die einzelnen Klassenkategorien enthält.

Feature Layer
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)

Integriert Zusatz-Raster-Datasets wie ein segmentiertes Bild oder ein DEM. Dieser Parameter ist optional.

Raster Layer; Mosaic Layer; Image Service; String
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 Konvergierender Farbwert, 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. Dies wird auch als "durchschnittliche Chromatizität" bezeichnet.
  • Durchschnittlicher DigitalnummernwertDer 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
Dimensionswertefeld
(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

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

Die Trainingsgebiete können entweder in Shapefiles oder in Feature-Classes enthalten sein. In der Trainingsgebiet-Datei werden die folgenden Feldnamen benötigt:

  • classname: Ein Textfeld, das den Namen der Klassenkategorie angibt.
  • classvalue: Ein "Long Integer"-Feld, das den ganzzahligen Wert für die einzelnen Klassenkategorien enthält.

Feature Layer
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)

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.

  • COLORDie RGB-Farbwerte werden segmentbezogen aus dem Eingabe-Raster abgeleitet. Dies wird auch als "durchschnittliche Chromatizität" bezeichnet.
  • 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
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

TrainMaximumLikelihoodClassifier – Beispiel 1 (Python-Fenster)

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")
TrainMaximumLikelihoodClassifier – Beispiel 2 (eigenständiges Skript)

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)
TrainMaximumLikelihoodClassifier – Beispiel 3 (eigenständiges Skript)

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)

Lizenzinformationen

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

Verwandte Themen