| Etiqueta | Explicación | Tipo de datos |
Ráster de entrada | Una imagen multibanda. Se requiere información de longitud de onda cuando el espectro de destino es un archivo de biblioteca, y se recomienda un ráster de reflectancia de superficie si los datos espectrales de destino proceden de una biblioteca espectral. | Mosaic Layer; Raster Layer; Image Service; Raster Dataset; Mosaic Dataset |
Archivo de espectros de entrada | Un archivo de firma espectral. La entrada puede ser un archivo de biblioteca espectral que contenga firmas espectrales o una clase de entidad creada a partir del flujo de trabajo de captura espectral. | Feature Layer; File |
Ráster de puntuación de salida | Un dataset ráster que contiene las puntuaciones de coincidencia de la imagen de entrada y el archivo de firma espectral. Cuando el ráster de entrada tiene múltiples firmas espectrales, el ráster de salida será multibanda con una banda por firma. Las puntuaciones de coincidencia son números en punto flotante entre 0 y 1, en los que los valores cercanos a 1 representan una coincidencia altamente probable. Utilice la extensión de archivo para especificar el formato de salida, incluidos .tif (TIFF), .crf (CRF) y .dat (ENVI DAT). | Raster Dataset |
Método de detección (Opcional) | Especifica el método que se usará para calcular las puntuaciones de coincidencia de la imagen de entrada y el archivo de firma espectral. Todas las puntuaciones se normalizan de 0 a 1, en las que una puntuación más alta indica una mejor coincidencia.
| String |
Eliminar continuidad (Opcional) | Especifica si los espectros se normalizarán a partir de una imagen o de datos de referencia.
| Boolean |
Disponible con licencia de Image Analyst.
Resumen
Identifica píxeles en una imagen que coinciden con una determinada firma espectral.
Uso
La herramienta calcula una puntuación de coincidencia para cada píxel y produce como salida un ráster de puntuación de coincidencia.
Esta herramienta admite ciertas formas de entrada de espectros, incluidos un archivo de biblioteca espectral Esri (.esl) creado desde el panel Búsqueda en la biblioteca espectral o la herramienta Visor espectral, o una clase de entidad generada desde el panel Administrador de muestras de entrenamiento.
El número de bandas de la imagen de entrada y los datos espectrales de entrada deben coincidir si el espectro de entrada es una clase de entidad de muestras de entrenamiento.
Se obtendrá como salida un ráster multibanda si el archivo de biblioteca contiene múltiples firmas espectrales.
Si el espectro de entrada procede de un archivo de biblioteca espectral (.esl o .sli), se aplicará remuestreo espectral mediante un método de promedio de bandas si el número de bandas no coincide. También es posible remuestrear los espectros mediante la herramienta Volver a muestrear espectros de biblioteca.
Si los datos espectrales proceden de una biblioteca espectral cuyos valores de reflectancia se sitúan entre 0 y 1, como por ejemplo la biblioteca espectral de USGS, el ráster de reflectancia de la superficie de entrada debe contener también valores entre 0 y 1.
Si la imagen de entrada no se encuentra entre 0 y 1, como en el caso de 8 bits o 16 bits, se recomienda recopilar la firma espectral del material a partir de la imagen mediante la herramienta Visor espectral. Opcionalmente, active el parámetro Eliminar continuidad para normalizar los espectros.
Las opciones del parámetro Método de detección descritas a continuación le permiten calcular las puntuaciones de coincidencia entre la imagen de entrada y el archivo de firma espectral:
- SAM— El método SAM (asignador de ángulo espectral) mide el ángulo entre el espectro de destino y el espectro del píxel. Esta opción no es sensible a los cambios en la iluminación.
- SID— El método SID (divergencia de información espectral) mide la divergencia entre las distribuciones de probabilidad del espectro de destino dividido por el espectro del píxel. Esta opción es eficiente en la identificación de espectros de píxeles mixtos.
- SID-SAM— Se calcula el producto de la puntuación de divergencia de información espectral y la tangente de la puntuación del asignador de ángulo espectral. Esta opción tiene una mayor capacidad de discriminación, en comparación con las opciones SID y SAM individualmente.
- NS3— El método de similitud espectral normalizada calcula la puntuación de la coincidencia espectral a partir de la distancia euclidiana y la puntuación del asignador de ángulo espectral. Esta opción tiene una alta capacidad de discriminación, pero requiere una gran cantidad de datos de referencia para ofrecer un grado de exactitud alto.
- ACE— El método ACE (estimador de coseno adaptativo) estima la similaridad entre un vector de destino (que representa el objeto de interés) y la firma espectral de un píxel, tras normalizar respecto al ruido de fondo. Use esta opción cuando la imagen hiperespectral muestre un ruido de fondo significativo.
- CEM— El método CEM (minimización de energía restringida) usa un filtro de respuesta finita al impulso (FIR) cuya respuesta a un espectro de píxel es mayor cuanto mayor es la similitud del espectro con respecto al espectro de destino. Utilice esta opción cuando el ruido de fondo sea mínimo.
- MF— El método MF (filtro correlacionado) utiliza un filtro FIR cuya respuesta a un espectro de píxel con media sustraída es mayor cuanto más similar sea dicho espectro al espectro objetivo con media sustraída. Utilice esta opción cuando el ruido de fondo sea ruido gaussiano blanco aditivo.
Cuando el parámetro Eliminar continuidad está activado, se ajusta una envoltura convexa sobre la parte superior de un espectro utilizando segmentos de línea recta que conectan los máximos locales del espectro. La continuidad se eliminará dividiéndola en el espectro real de cada píxel en la imagen y los espectros de entrada. Esto permite comparar las entidades de absorción a partir de una línea base común.
Parámetros
DetectTargetUsingSpectra(in_raster, in_spectra, out_score_raster, {method}, {remove_continuum})| Nombre | Explicación | Tipo de datos |
in_raster | Una imagen multibanda. Se requiere información de longitud de onda cuando el espectro de destino es un archivo de biblioteca, y se recomienda un ráster de reflectancia de superficie si los datos espectrales de destino proceden de una biblioteca espectral. | Mosaic Layer; Raster Layer; Image Service; Raster Dataset; Mosaic Dataset |
in_spectra | Un archivo de firma espectral. La entrada puede ser un archivo de biblioteca espectral que contenga firmas espectrales o una clase de entidad creada a partir del flujo de trabajo de captura espectral. | Feature Layer; File |
out_score_raster | Un dataset ráster que contiene las puntuaciones de coincidencia de la imagen de entrada y el archivo de firma espectral. Cuando el ráster de entrada tiene múltiples firmas espectrales, el ráster de salida será multibanda con una banda por firma. Las puntuaciones de coincidencia son números en punto flotante entre 0 y 1, en los que los valores cercanos a 1 representan una coincidencia altamente probable. Utilice la extensión de archivo para especificar el formato de salida, incluidos .tif (TIFF), .crf (CRF) y .dat (ENVI DAT). | Raster Dataset |
method (Opcional) | Especifica el método que se usará para calcular las puntuaciones de coincidencia de la imagen de entrada y el archivo de firma espectral. Todas las puntuaciones se normalizan de 0 a 1, en las que una puntuación más alta indica una mejor coincidencia.
| String |
remove_continuum (Opcional) | Especifica si los espectros se normalizarán a partir de una imagen o de datos de referencia.
| Boolean |
Muestra de código
En este ejemplo se compara una firma espectral con una imagen hiperespectral mediante el uso de la opción SAM y se crea un ráster de puntuación de anomalía.
# Import system modules
import arcpy from arcpy.ia import *
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
# Execute
out_score_raster = arcpy.ia. DetectTargetUsingSpectra(r“c:\data\aviris_image.tif”, r”C:\data\oaks_from_usgs.esl, “SAM”, “NO_REMOVE_CONTINUUM”)
out_score_raster.save(r”c:\data\result.tif”)En este ejemplo se compara una firma espectral con una imagen hiperespectral mediante el uso de la opción SAM y se crea un ráster de puntuación de anomalía.
# Import system modules
import arcpy
from arcpy.ia import *
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst") # Execute
#Define variables
InputImage = r“c:\data\ aviris_image.tif”
targetSpectra= r”c:\data\oaks_from_usgs.esl”
outputScoreRaster = r”c:\data\score_raster.tif”
Method=”SAM”
removeContinuum = “NO_REMOVE_CONTINUUM”
#Execute
out_score_raster = arcpy.ia. DetectTargetUsingSpectra (in_raster= InputImage,
in_spectra= targetSpectra,
method= Method,
remove_condimuum= removeContinuum)
out_score_raster.save(outputScoreRaster)Entornos
Información de licenciamiento
- Basic: Requiere Image Analyst
- Standard: Requiere Image Analyst
- Advanced: Requiere Image Analyst