| Étiquette | Explication | Type de données |
Raster en entrée | Image multibande ou hyperspectrale | Raster Dataset; Raster Layer; Mosaic Dataset; Mosaic Layer; Image Service |
Raster en sortie | Raster monobande qui stocke les scores d’anomalie compris entre 0 et 1 en tant que nombre à virgule flottante. 0 est la valeur d’arrière-plan et les valeurs élevées proches de 1 sont des pixels d’anomalie potentiels. Utilisez l’extension de fichier pour préciser le format en sortie, notamment .tif (TIFF), .crf (CRF), .mrf (MRF) et .dat (ENVI DAT). | Raster Dataset |
Méthode de calcul des anomalies (Facultatif) | Indique la méthode de calcul des anomalies qui sera utilisée.
| String |
Nombre d’agrégats (Facultatif) | Nombre d’agrégats qui seront utilisés lorsque le paramètre Méthode de calcul des anomalies est défini sur KMEANS. | Long |
Région d’arrière-plan (Facultatif) | Classe d’entités surfaciques qui définira la région à utiliser pour calculer les statistiques d’arrière-plan lorsque le paramètre Méthode de calcul des anomalies est défini sur RXD ou UTD. | Feature Set |
Recalculer les statistiques (Facultatif) | Indique si les statistiques seront recalculées pour le raster en entrée lorsque le paramètre Méthode de calcul des anomalies est défini sur RXD ou UTD. Les options RXD et UTD requièrent des statistiques précises dans lesquelles le pas d’échantillonnage doit être égal à 1 lors du calcul des statistiques.
| Boolean |
Disponible avec une licence Image Analyst.
Synthèse
Traite une image multibande ou hyperspectrale et crée un raster de score d’anomalie. Un raster de score d’anomalie est un raster monobande dont les valeurs sont comprises entre 0 et 1.
Utilisation
Dans une image, une anomalie désigne les pixels qui sont significativement différents des valeurs d’arrière-plan. Il peut s’agir par exemple de bateaux sur l’océan, de véhicules sur une route ou de constructions humaines dans des zones naturelles.L’outil prend en charge les méthodes de détection des anomalies dans les images RXD (Reed-Xiaoli Detector), UTD (Uniform Target Detector) et KMEANS.
L’option RXD du paramètre Méthode de calcul des anomalies calcule la distance de Mahalanobis des pixels par rapport à l’arrière-plan qui est défini par la moyenne. En voici la formule :
δRXD(r)=(r-µ)TK-1LxL(r-µ)Où r correspond aux spectres de pixels d’échantillonnage, µ, aux spectres moyens, K, à la covariance et L, au nombre de bandes.
L’option UTD du paramètre Anomaly Calculation Method (Méthode de calcul des anomalies) est similaire à l’option RXD, mais elle extrait un arrière-plan à l’aide d’un vecteur unitaire. En voici la formule :
δUTD(r)=(1-µ)TK-1LxL(1-µ)L’anomalie est définie en remplaçant (r-u) dans la méthode RXD par (1-u).
L’option KMEANS du paramètre Méthode de calcul des anomalies identifie les pixels qui dévient de manière significative des agrégats établis dans les données à l’aide des algorithmes d’agrégation des K-moyennes.
La sortie est un raster de score d’anomalie avec des valeurs décimales comprises entre 0 et 1, où 0 est l’arrière-plan et où les valeurs élevées proches de 1 sont des anomalies potentielles. Les pixels d’anomalie peuvent être filtrés à l’aide de fonctions raster telles que Classification ou Masque. Le processus de détection des anomalies entier peut être réalisé à l’aide de l’assistant Détection d’anomalies.
Utilisez l’ajustement dynamique de la plage dans la symbologie de la couche en sortie pour mieux visualiser les pixels d’anomalie.
Paramètres
DetectImageAnomalies(in_raster, out_raster, {method}, {num_cluster}, {background_region}, {recompute_stats})| Nom | Explication | Type de données |
in_raster | Image multibande ou hyperspectrale | Raster Dataset; Raster Layer; Mosaic Dataset; Mosaic Layer; Image Service |
out_raster | Raster monobande qui stocke les scores d’anomalie compris entre 0 et 1 en tant que nombre à virgule flottante. 0 est la valeur d’arrière-plan et les valeurs élevées proches de 1 sont des pixels d’anomalie potentiels. Utilisez l’extension de fichier pour préciser le format en sortie, notamment .tif (TIFF), .crf (CRF), .mrf (MRF) et .dat (ENVI DAT). | Raster Dataset |
method (Facultatif) | Indique la méthode de calcul des anomalies qui sera utilisée.
| String |
num_cluster (Facultatif) | Nombre d’agrégats qui seront utilisés lorsque le paramètre method est défini sur KMEANS. | Long |
background_region (Facultatif) | Classe d’entités surfaciques qui définira la région à utiliser pour calculer les statistiques d’arrière-plan lorsque le paramètre method est défini sur RXD ou UTD. | Feature Set |
recompute_stats (Facultatif) | Indique si les statistiques seront recalculées pour le raster de score en sortie lorsque le paramètre method est défini sur RXD ou UTD. Les options RXD et UTD requièrent des statistiques précises dans lesquelles le pas d’échantillonnage doit être égal à 1.
| Boolean |
Exemple de code
Cet exemple traite une image hyperspectrale à l’aide de l’option RXD et crée un raster de score d’anomalie.
# Import system modules
import arcpy
from arcpy.ia import *
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
tempanomaly = arcpy.ia.GenerateMultidimensionalAnomaly(
"c:/data/climateData.nc", "temperature", "DIFFERENCE_FROM_MEAN",
"ALL", "DATA", None)
tempanomaly.save("c:/data/TempAnomaly.crf")Cet exemple traite une image hyperspectrale à l’aide de l’option KMEANS et crée un raster de score d’anomalie.
# Import system modules
from arcpy.ia import *
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
#Define variables
input_image = r"c:\data\hsi_image.tif"
num_of_cluster = 1
anomaly_raster = arcpy.ia.DetectImageAnomalies(
in_raster=input_image,
method="KMEANS",
num_cluster=num_of_cluster,
recompute_stats="RECOMPUTE_STATS"
)
anomaly_raster.save(r"c:/test/anomaly_score_raster.tif")Environnements
Informations de licence
- Basic: Nécessite Image Analyst
- Standard: Nécessite Image Analyst
- Advanced: Nécessite Image Analyst
Rubriques connexes
Vous avez un commentaire à formuler concernant cette rubrique ?