Disponible con una licencia de Spatial Analyst.
Disponible con licencia de Image Analyst.
Resumen
Genera un archivo de definición de clasificador de Esri (.ecd) utilizando la definición de clasificación del Clasificador de máxima verosimilitud (MLC).
Uso
Para finalizar el proceso de clasificación de máxima verosimilitud, utilice el mismo ráster de entrada y el archivo .ecd de salida de esta herramienta con la herramienta Clasificar ráster.
El ráster de entrada puede ser cualquier ráster compatible con Esri, con cualquier profundidad de bits válida.
Para crear un dataset ráster segmentado, utilice la herramienta Segmentación (desplazamiento medio).
Para crear el archivo de muestra de entrenamiento, utilice el panel Administrador de muestras de entrenamiento del menú desplegable Herramientas de clasificación.
El Archivo de definición de clasificador de salida contiene estadísticas de atributo adecuadas para la herramienta Clasificación de máxima verosimilitud.
El parámetro Atributos de segmento solo está habilitado si una de las entradas de capa ráster es una imagen segmentada.
Para clasificar datos ráster de series temporales utilizando el algoritmo Clasificación y detección de cambios continuas (CCDC), ejecute primero la herramienta Analizar cambios usando CCDC y utilice el ráster de análisis de cambios de salida como ráster de entrada para esta herramienta de entrenamiento.
Los datos de muestra de entrenamiento se deben haber recopilado en varios momentos mediante el Administrador de muestras de entrenamiento. El valor de dimensión de cada muestra aparece en un campo de la clase de entidad de muestra de entrenamiento, que se especifica en el parámetro Campo de valor de dimensión.
Sintaxis
TrainMaximumLikelihoodClassifier(in_raster, in_training_features, out_classifier_definition, {in_additional_raster}, {used_attributes}, {dimension_value_field})| Parámetro | Explicación | Tipo de datos |
in_raster | El dataset ráster a clasificar. | Raster Layer; Mosaic Layer; Image Service; String |
in_training_features | La capa o archivo de muestra de entrenamiento que delinea los sitios de entrenamiento. Estos pueden ser shapefiles o clases de entidad que contengan las muestras de entrenamiento. Los siguientes nombres de campo son obligatorios en el archivo de muestra de entrenamiento:
| Feature Layer |
out_classifier_definition | El archivo JSON de salida que contiene información de atributos, estadísticas, vectores de hiperplano y otra información requerida por el clasificador. Se crea un archivo .ecd. | File |
in_additional_raster (Opcional) | Incorpora datasets ráster auxiliares como, por ejemplo, imagen segmentada o DEM. Este parámetro es opcional. | Raster Layer; Mosaic Layer; Image Service; String |
used_attributes [used_attributes,...] (Opcional) | Especifica los atributos a incluir en la tabla de atributos asociada con el ráster de salida.
Este parámetro solo está habilitado si la propiedad clave Segmentado se establece en true en el ráster de entrada. Si la única entrada en la herramienta es una imagen segmentada, los atributos predeterminados son COLOR, COUNT, COMPACTNESS y RECTANGULARITY. Si se incluye un in_additional_raster como entrada junto a la imagen segmentada, también están disponibles los atributos MEAN y STD. | String |
dimension_value_field (Opcional) | Contiene valores de dimensión de la clase de entidad de muestra de entrenamiento de entrada. Este parámetro es necesario para clasificar una serie temporal de datos ráster con la salida ráster de análisis de cambios de la herramienta Analizar cambios usando CCDC. | Field |
Muestra de código
El siguiente script de la ventana de Python muestra cómo utilizar la herramienta TrainMaximumLikelihoodClassifier.
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")Este ejemplo muestra cómo preparar un clasificador de verosimilitud máxima.
# 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)En este ejemplo se muestra cómo preparar un clasificador de verosimilitud máxima utilizando un ráster de análisis de cambios de la herramienta Analizar cambios usando CCDC.
# 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)Entornos
Información de licenciamiento
- Basic: Requiere Image Analyst or Spatial Analyst
- Standard: Requiere Image Analyst or Spatial Analyst
- Advanced: Requiere Image Analyst or Spatial Analyst