| Beschriftung | Erläuterung | Datentyp |
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 mehr größere Cluster und weniger Splitter 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 Konvergierender Farbwert, Pixelanzahl, Kompaktheit und Rechteckigkeit. Wenn ein Wert für Zusätzliches Eingabe-Raster als Eingabe mit einem segmentierten Bild einbezogen wird, sind die Attribute Digitaler Mittelwert und Standardabweichung ebenfalls verfügbar.
| 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 |
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
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})| Name | Erläuterung | Datentyp |
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 mehr größere Cluster und weniger Splitter 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.
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
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.ia import *
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
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")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.ia import *
"""Usage: TrainIsoClusterClassifier(in_raster, max_num_classes,
out_classifier_definition, {in_additional_raster},
{max_num_iterations}, {min_num_samples_per_cluster},
{skip_factor},{used_attributes})
"""
# 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"
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
# Execute
TrainIsoClusterClassifier(inSegRaster, maxNumClasses,
out_definition,in_additional_raster,
maxIteration, minNumSamples, skipFactor, attributes)Umgebungen
Lizenzinformationen
- Basic: Erfordert Image Analyst oder Spatial Analyst
- Standard: Erfordert Image Analyst oder Spatial Analyst
- Advanced: Erfordert Image Analyst oder Spatial Analyst