Préparer le classificateur d’agrégats ISO (Image Analyst)

Disponible avec une licence Spatial Analyst.

Disponible avec une licence Image Analyst.

Synthèse

Génère un fichier de définition de classificateur Esri (.ecd) à l’aide de la définition de classification des agrégats ISO.

Cet outil effectue une classification non assistée.

Utilisation

  • Tout raster pris en charge par Esri est accepté en entrée, y compris les produits raster, les rasters segmentés, les mosaïques, les services d'imagerie ou les jeux de données raster génériques. Les rasters segmentés doivent être des rasters 8 bits à 3 canaux.

  • Le paramètre Segment Attributes (Attributs de segment) n’est actif que si l’une des entrées de la couche raster est une image segmentée.

Paramètres

ÉtiquetteExplicationType de données
Raster en entrée

Jeu de données raster à classer.

Raster Layer; Mosaic Layer; Image Service; String
Nombre maximum de classes / d’agrégats

Nombre maximal de classes souhaitées pour regrouper les pixels ou segments. Il doit être supérieur au nombre de classes dans votre légende.

Il est possible que vous obteniez moins de classes que le nombre spécifié pour ce paramètre. Si vous souhaitez en obtenir davantage, augmentez cette valeur et agrégez les classes une fois le processus d'apprentissage terminé.

Long
Fichier de définition de classifieur en sortie

Fichier JSON en sortie qui contient des informations sur les attributs, des statistiques, des vecteurs hyperplans et d’autres informations pour le classificateur. Un fichier .ecd sera créé.

File
Raster en entrée supplémentaire
(Facultatif)

Des jeux de données raster auxiliaires, comme une image multispectrale ou un MNE, seront incorporés pour générer des attributs et d’autres informations requises par la classification. Ce paramètre est facultatif.

Raster Layer; Mosaic Layer; Image Service; String
Nombre maximal d'itérations
(Facultatif)

Nombre maximal d’itérations devant être exécutées par le processus d’agrégation.

La plage recommandée est comprise entre 10 et 20 itérations. En augmentant cette valeur, vous allongez le temps de traitement de façon linéaire.

Long
Nombre minimal d'échantillons par agrégat
(Facultatif)

Nombre minimal de pixels ou segments dans une classe ou un agrégat valide.

La valeur 20 par défaut est efficace pour créer des classes statistiquement significatives. Vous pouvez augmenter ce nombre pour accroître les agrégats plus importants et réduire les micropolygones, mais cela peut limiter le nombre global de classes créées.

Long
Pas d'échantillonnage
(Facultatif)

Nombre de pixels à ignorer pour une image de pixels en entrée. Si l'entrée est une image segmentée, spécifiez le nombre de segments à ignorer.

Long
Attributs de segments utilisés
(Facultatif)

Spécifie les attributs à inclure dans la table attributaire associée au raster en sortie.

Ce paramètre n’est actif que si la propriété clé Segmented (Segmenté) est définie sur true (vrai) dans le raster en entrée. Si la seule entrée de l’outil est une image segmentée, les attributs par défaut sont Converged color (Couleur de convergence), Count of pixels (Nombre de pixels), Compactness (Compacité) et Rectangularity (Rectangularité). Si une valeur Additional Input Raster (Raster en entrée supplémentaire) est incluse comme entrée avec une image segmentée, les attributs Mean digital number (Nombre numérique moyen) et Standard deviation (Écart type) sont également disponibles.

  • Couleur de convergenceLes valeurs de couleurs RVB sont dérivées du raster en entrée, segment par segment. On parle également de couleur chromatique moyenne.
  • Nombre numérique moyenLe numéro numérique (DN) moyen sera dérivé de l’image de pixels facultative, segment par segment.
  • Écart typeL’écart type sera dérivé de l’image de pixels facultative, segment par segment.
  • Nombre de pixelsLe nombre de pixels qui composent le segment, segment par segment.
  • CompacitéDegré auquel un segment est compact ou circulaire, segment par segment. Les valeurs sont comprises entre 0 et 1, où 1 correspond à un cercle.
  • RectangularitéDegré auquel le segment est rectangulaire, segment par segment. Les valeurs sont comprises entre 0 et 1, où 1 correspond à un rectangle.
String
Nombre maximum de fusions de grappe par itération
(Facultatif)

Nombre maximal de fusions d’agrégat par itération. L'augmentation du nombre de fusions réduit le nombre de classes créées. Une valeur plus faible génère un plus grand nombre de classes.

Long
Distance de fusion maximum
(Facultatif)

Distance maximale entre les centres d’agrégat dans l’espace d’entité. L'augmentation de la distance permet de fusionner davantage de grappes, ce qui se traduit par une diminution du nombre de classes. Une valeur plus faible génère un plus grand nombre de classes. Les valeurs comprises entre 0 et 5 renvoient généralement les meilleurs résultats.

Double

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})
NomExplicationType de données
in_raster

Jeu de données raster à classer.

Raster Layer; Mosaic Layer; Image Service; String
max_classes

Nombre maximal de classes souhaitées pour regrouper les pixels ou segments. Il doit être supérieur au nombre de classes dans votre légende.

Il est possible que vous obteniez moins de classes que le nombre spécifié pour ce paramètre. Si vous souhaitez en obtenir davantage, augmentez cette valeur et agrégez les classes une fois le processus d'apprentissage terminé.

Long
out_classifier_definition

Fichier JSON en sortie qui contient des informations sur les attributs, des statistiques, des vecteurs hyperplans et d’autres informations pour le classificateur. Un fichier .ecd sera créé.

File
in_additional_raster
(Facultatif)

Des jeux de données raster auxiliaires, comme une image multispectrale ou un MNE, seront incorporés pour générer des attributs et d’autres informations requises par la classification. Ce paramètre est facultatif.

Raster Layer; Mosaic Layer; Image Service; String
max_iterations
(Facultatif)

Nombre maximal d’itérations devant être exécutées par le processus d’agrégation.

La plage recommandée est comprise entre 10 et 20 itérations. En augmentant cette valeur, vous allongez le temps de traitement de façon linéaire.

Long
min_samples_per_cluster
(Facultatif)

Nombre minimal de pixels ou segments dans une classe ou un agrégat valide.

La valeur 20 par défaut est efficace pour créer des classes statistiquement significatives. Vous pouvez augmenter ce nombre pour accroître les agrégats plus importants et réduire les micropolygones, mais cela peut limiter le nombre global de classes créées.

Long
skip_factor
(Facultatif)

Nombre de pixels à ignorer pour une image de pixels en entrée. Si l'entrée est une image segmentée, spécifiez le nombre de segments à ignorer.

Long
used_attributes
[used_attributes;used_attributes,...]
(Facultatif)

Spécifie les attributs à inclure dans la table attributaire associée au raster en sortie.

  • COLORLes valeurs de couleurs RVB sont dérivées du raster en entrée, segment par segment. On parle également de couleur chromatique moyenne.
  • MEANLe numéro numérique (DN) moyen sera dérivé de l’image de pixels facultative, segment par segment.
  • STDL’écart type sera dérivé de l’image de pixels facultative, segment par segment.
  • COUNTLe nombre de pixels qui composent le segment, segment par segment.
  • COMPACTNESSDegré auquel un segment est compact ou circulaire, segment par segment. Les valeurs sont comprises entre 0 et 1, où 1 correspond à un cercle.
  • RECTANGULARITYDegré auquel le segment est rectangulaire, segment par segment. Les valeurs sont comprises entre 0 et 1, où 1 correspond à un rectangle.

Ce paramètre est activé uniquement si la propriété de clé Segmented est vraie (définie sur True) dans le raster en entrée. Si la seule entrée de l’outil est une image segmentée, les attributs par défaut sont COLOR, COUNT, COMPACTNESS et RECTANGULARITY. Si une valeur in_additional_raster est incluse comme entrée avec une image segmentée, les attributs MEAN et STD sont également disponibles.

String
max_merge_per_iter
(Facultatif)

Nombre maximal de fusions d’agrégat par itération. L'augmentation du nombre de fusions réduit le nombre de classes créées. Une valeur plus faible génère un plus grand nombre de classes.

Long
max_merge_distance
(Facultatif)

Distance maximale entre les centres d’agrégat dans l’espace d’entité. L'augmentation de la distance permet de fusionner davantage de grappes, ce qui se traduit par une diminution du nombre de classes. Une valeur plus faible génère un plus grand nombre de classes. Les valeurs comprises entre 0 et 5 renvoient généralement les meilleurs résultats.

Double

Exemple de code

Exemple 1 d'utilisation de l'outil TrainIsoClusterClassifier (fenêtre Python)

Le script de fenêtre Python ci-dessous utilise le classificateur d'agrégats ISO pour créer un fichier de définition de classification Esri non assistée avec dix classes au maximum.

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")
Exemple 2 d'utilisation de l'outil TrainIsoClusterClassifier (script autonome)

Cet exemple de script utilise le classificateur d'agrégats ISO pour créer un fichier de définition de classification Esri non assistée avec dix classes au maximum.

# 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)

Informations de licence

  • Basic: Nécessite Image Analyst ou Spatial Analyst
  • Standard: Nécessite Image Analyst ou Spatial Analyst
  • Advanced: Nécessite Image Analyst ou Spatial Analyst

Rubriques connexes