Disponible avec une licence Spatial Analyst.
Résumé
Effectue une classification de vraisemblance maximale sur un jeu de canaux raster et crée un raster classé en sortie.
Pour en savoir plus sur le fonctionnement de l'outil Classification de vraisemblance maximale
Utilisation
Lorsqu’un raster multicanal est spécifié comme l’un des canaux raster en entrée (Input raster bands) (in_raster_bands dans Python), tous les canaux sont utilisés.
Pour traiter une sélection de canaux à partir d’un raster multicanal, vous pouvez créer en premier un jeu de données raster composé de ces canaux spécifiques à l’aide de l’outil Canaux composites et utilisez le résultat dans la liste des canaux raster en entrée (Input raster bands) (in_raster_bands dans Python).
Tout fichier de signatures créé par l'outil Créer des signatures, Modifier des signatures ou Iso cluster est une entrée valide pour le fichier de signatures en entrée. Il aura l'extension .gsg.
Par défaut, toutes les cellules du raster en sortie sont classées, chaque classe ayant des pondérations de probabilité égale jointes à ses signatures.
Le fichier de probabilités a priori en entrée doit être un fichier ASCII qui comprend deux colonnes. Les valeurs dans la colonne de gauche représentent des identifiants de classe. Les valeurs dans la colonne de droite correspondent aux probabilités a priori relatives aux classes concernées. Les valeurs autorisées pour les probabilités a priori doivent être supérieures ou égales à zéro. Si zéro est spécifié comme probabilité, la classe n'apparaîtra pas sur le raster en sortie. La somme des probabilités a priori spécifiées doit être inférieure ou égale à un. Le format du fichier est le suivant :
1 .3 2 .1 4 .0 5 .15 7 .05 8 .2Les classes omises dans le fichier recevront la probabilité a priori moyenne de la portion restante de la valeur d'un. Dans l'exemple ci-dessus, toutes les classes de 1 à 8 sont représentées dans le fichier de signatures. Les probabilités a priori associées aux classes 3 et 6 n'apparaissent pas dans le fichier de probabilités a priori en entrée. Puisque la somme de toutes les probabilités indiquées dans le fichier ci-dessus est égale à 0,8, la fraction de probabilité qui reste (0,2) est divisée par le nombre de classes qui n'est pas indiqué (2). Vous allez donc attribuer une probabilité de 0,1 aux classes 3 et 6.
Une fraction de rejet spécifiée, située entre deux valeurs valides, est attribuée à la valeur valide supérieure suivante. Par exemple, 0,02 devient 0,025.
Il existe une relation directe entre le nombre de cellules non classifiées sur le raster en sortie, résultant de la fraction de rebut, et le nombre de cellules, représenté par la somme des niveaux de confiance plus petite que la valeur respective entrée pour la fraction de rebut.
Si le nom de la classe enregistré dans le fichier de signatures est différent de l'ID de la classe, un champ supplémentaire appelé CLASSNAME est ajouté à la table attributaire de raster en sortie. Pour chaque classe de la table en sortie, ce champ contiendra le nom associé à la classe. Par exemple, si les noms des classes enregistrés dans le fichier de signatures sont des chaînes descriptives (conifères, masses d'eau et urbain, par exemple), ces noms sont utilisés dans le champ CLASSNAME.
L'extension pour un fichier de probabilités a priori en entrée est .txt.
Pour plus d’informations sur les environnements de géotraitement qui s’appliquent à cet outil, reportez-vous à la rubrique Environnements d’analyse et Spatial Analyst.
Syntaxe
MLClassify(in_raster_bands, in_signature_file, {reject_fraction}, {a_priori_probabilities}, {in_a_priori_file}, {out_confidence_raster})| Paramètre | Explication | Type de données |
in_raster_bands [in_raster_band,...] | Canaux raster en entrée. Même si les canaux peuvent être de type entier ou virgule flottante, le fichier de signatures permet uniquement les valeurs de classes entières. | Raster Layer |
in_signature_file | Fichier de signatures en entrée dont les signatures de classes sont utilisées par le classificateur de vraisemblance maximale. L'extension .gsg est obligatoire. | File |
reject_fraction (Facultatif) | Sélectionnez une fraction de rejet, qui détermine si une cellule doit être classée selon son aptitude à être attribuée correctement à l’une des classes. Les cellules dont l’aptitude à être attribuées correctement à l'une des classes est inférieure à la fraction de rejet se voient attribuer une valeur NoData dans le raster classé en sortie. La valeur par défaut est 0,0, ce qui signifie que chaque cellule sera classée. Les entrées valides sont :
| String |
a_priori_probabilities (Facultatif) | Indique la manière dont sont déterminées les probabilités a priori.
| String |
in_a_priori_file (Facultatif) | Fichier texte contenant des probabilités a priori pour les classes de signatures en entrée. Une entrée pour le fichier de probabilité a priori n'est requise que lorsque l'option Fichier est utilisée. L'extension du fichier a priori peut être .txt ou .asc. | File |
out_confidence_raster (Facultatif) | Le jeu de données raster de confiance en sortie présente la certitude de la classification selon 14 niveaux de confiance, avec les valeurs les plus faibles représentant la fiabilité la plus élevée. Si aucune cellule n’est classé à un niveau de confiance donné, ce niveau de confiance est absent du raster de confiance en sortie. Il sera de type entier. | Raster Dataset |
Valeur renvoyée
| Nom | Explication | Type de données |
| out_classified_raster | Raster classé en sortie. Il sera de type entier. | Raster |
Exemple de code
Cet exemple crée un raster classé en sortie contenant cinq classes dérivé d'un fichier de signatures en entrée et un raster multicanal.
import arcpy
from arcpy import env
from arcpy.sa import *
env.workspace = "C:/sapyexamples/data"
mlcOut = MLClassify("redlands", "c:/sapyexamples/data/wedit5.gsg", "0.0",
"EQUAL", "", "c:/sapyexamples/output/redmlcconf")
mlcOut.save("c:/sapyexamples/output/redmlc")Cet exemple crée un raster classé en sortie contenant cinq classes dérivé d'un fichier de signatures en entrée et un raster multicanal.
# Name: MLClassify_Ex_02.py
# Description: Performs a maximum likelihood classification on a set of
# raster bands.
# Requirements: Spatial Analyst Extension
# Import system modules
import arcpy
from arcpy import env
from arcpy.sa import *
# Set environment settings
env.workspace = "C:/sapyexamples/data"
# Set local variables
inRaster = "redlands"
sigFile = "c:/sapyexamples/data/wedit5.gsg"
probThreshold = "0.0"
aPrioriWeight = "EQUAL"
aPrioriFile = ""
outConfidence = "c:/sapyexamples/output/redconfmlc"
# Execute
mlcOut = MLClassify(inRaster, sigFile, probThreshold, aPrioriWeight,
aPrioriFile, outConfidence)
# Save the output
mlcOut.save("c:/sapyexamples/output/redmlc02")Environnements
Informations de licence
- Basic: Requiert Spatial Analyst
- Standard: Requiert Spatial Analyst
- Advanced: Requiert Spatial Analyst
Rubriques connexes
Vous avez un commentaire à formuler concernant cette rubrique ?