| Etiqueta | Explicación | Tipo de datos |
Ráster de entrada | El dataset ráster a clasificar. | Raster Layer; Mosaic Layer; Image Service; String |
Número máximo de clases/clústeres | Número máximo de clases deseadas para agrupar píxeles o segmentos. Se debe definir de modo que sea mayor que el número de clases de la leyenda. Puede que obtenga menos clases que las que especificó para este parámetro. Si necesita más, aumente este valor y agregue clases una vez que finalice el proceso de formación. | Long |
Archivo de definición de clasificadores de salida | El archivo en formato JSON de salida que contendrá información de atributos, estadísticas, vectores de hiperplano y otra información requerida por el clasificador. Se creará un archivo .ecd. | File |
Ráster de entrada adicional (Opcional) | Se incorporan datasets ráster secundarios, como una imagen multiespectral o un DEM, para generar atributos y otra información requerida por la clasificación. Este parámetro es opcional. | Raster Layer; Mosaic Layer; Image Service; String |
Número máximo de iteraciones (Opcional) | El número máximo de iteraciones que el proceso de clustering ejecutará. El rango recomendado está entre 10 y 20 iteraciones. Al aumentar este valor, el tiempo de procesamiento aumentará linealmente. | Long |
Número mínimo de muestras por cluster (Opcional) | Número mínimo de píxeles o segmentos en un cluster o clase válidos. El valor predeterminado de 20 resulta eficaz a la hora de crear clases significativas desde el punto de vista estadístico. Este número se puede aumentar para obtener clases más resistentes, pero ello puede limitar el número total de clases que se crean. | Long |
Factor de omisión (Opcional) | Número de píxeles a ignorar para una entrada de imagen de píxeles. Si una imagen segmentada es una entrada, especifique el número de segmentos a ignorar. | Long |
Atributos de segmento utilizados (Opcional) | Especifica los atributos que se incluirán en la tabla de atributos asociada con el ráster de salida. Este parámetro solo está activo si la propiedad clave Segmentado se establece en verdadero en el ráster de entrada. Si la única entrada de la herramienta es una imagen segmentada, los atributos predeterminados son Color de cromaticidad promedio, Recuento de píxeles, Compactación y Rectangularidad. Si se incluye un valor Ráster de entrada adicional como entrada junto a la imagen segmentada, también están disponibles los atributos Número de dígito medio y Desviación estándar.
| String |
Número máximo de fusiones de clúster por iteración (Opcional) | El número máximo de fusiones de clúster por iteración. Si se aumenta la cantidad de fusiones, se reducirá la cantidad de clases que se crean. Un valor más bajo generará más clases. | Long |
Distancia máxima de fusión (Opcional) | La distancia máxima entre centros de clúster en el espacio de entidades. Si se aumenta la distancia se podrán fusionar más clusters y se obtendrán menos clases. Un valor más bajo generará más clases. Los valores de 0 a 5 devuelven típicamente los mejores resultados. | Double |
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 de Clúster ISO.
Esta herramienta realiza una clasificación no supervisada.
Uso
Se acepta como entrada cualquier ráster compatible con Esri, incluidos productos de ráster, rásteres segmentados, mosaicos, servicios de imágenes o datasets ráster genéricos. Los rásteres segmentados deben tener 8 bits y 3 bandas.
El parámetro Atributos de segmento solo está activo si una de las entradas de capa ráster es una imagen segmentada.
Parámetros
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})| Nombre | Explicación | Tipo de datos |
in_raster | El dataset ráster a clasificar. | Raster Layer; Mosaic Layer; Image Service; String |
max_classes | Número máximo de clases deseadas para agrupar píxeles o segmentos. Se debe definir de modo que sea mayor que el número de clases de la leyenda. Puede que obtenga menos clases que las que especificó para este parámetro. Si necesita más, aumente este valor y agregue clases una vez que finalice el proceso de formación. | Long |
out_classifier_definition | El archivo en formato JSON de salida que contendrá información de atributos, estadísticas, vectores de hiperplano y otra información requerida por el clasificador. Se creará un archivo .ecd. | File |
in_additional_raster (Opcional) | Se incorporan datasets ráster secundarios, como una imagen multiespectral o un DEM, para generar atributos y otra información requerida por la clasificación. Este parámetro es opcional. | Raster Layer; Mosaic Layer; Image Service; String |
max_iterations (Opcional) | El número máximo de iteraciones que el proceso de clustering ejecutará. El rango recomendado está entre 10 y 20 iteraciones. Al aumentar este valor, el tiempo de procesamiento aumentará linealmente. | Long |
min_samples_per_cluster (Opcional) | Número mínimo de píxeles o segmentos en un cluster o clase válidos. El valor predeterminado de 20 resulta eficaz a la hora de crear clases significativas desde el punto de vista estadístico. Este número se puede aumentar para obtener clases más resistentes, pero ello puede limitar el número total de clases que se crean. | Long |
skip_factor (Opcional) | Número de píxeles a ignorar para una entrada de imagen de píxeles. Si una imagen segmentada es una entrada, especifique el número de segmentos a ignorar. | Long |
used_attributes [used_attributes;used_attributes,...] (Opcional) | Especifica los atributos que se incluirán en la tabla de atributos asociada con el ráster de salida.
Este parámetro solo está habilitado si la propiedad clave Segmentado se establece en verdadera 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 valor in_additional_raster como entrada junto a la imagen segmentada, también están disponibles los atributos MEAN y STD. | String |
max_merge_per_iter (Opcional) | El número máximo de fusiones de clúster por iteración. Si se aumenta la cantidad de fusiones, se reducirá la cantidad de clases que se crean. Un valor más bajo generará más clases. | Long |
max_merge_distance (Opcional) | La distancia máxima entre centros de clúster en el espacio de entidades. Si se aumenta la distancia se podrán fusionar más clusters y se obtendrán menos clases. Un valor más bajo generará más clases. Los valores de 0 a 5 devuelven típicamente los mejores resultados. | Double |
Muestra de código
En el siguiente script de la ventana de Python se utiliza un clasificador de clúster ISO para crear un archivo de definición de clasificación de Esri no supervisado con un máximo de diez clases.
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")En este ejemplo de script se utiliza un clasificador de clúster ISO para crear un archivo de definición de clasificación de Esri no supervisado con un máximo de diez clases.
# 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)Entornos
Casos especiales
Información de licenciamiento
- Basic: Requiere Spatial Analyst o Image Analyst
- Standard: Requiere Spatial Analyst o Image Analyst
- Advanced: Requiere Spatial Analyst o Image Analyst