ArcGIS Image Analyst ジオプロセシングツールのリスト—ArcGIS Pro

ArcGIS Image Analyst エクステンションには、ArcGIS Pro で使用できるジオプロセシングツールが多数用意されています。

ジオプロセシングツール

Image Analyst エクステンションには、多数のジオプロセシングツールが用意されています。これらのツールは、次の表で関連機能のカテゴリと関連ツールセットに分類されています。

変化の検出

[変化の検出] ツールセットには、2 つのラスターデータセット間の変化を検出するツールが含まれています。

変化の検出ツールセットのツール
ツール	説明
ラスターの変化の計算 (Compute Change Raster)	2 つのラスターデータセット間の絶対的、相対的、またはカテゴリ的な差異を計算します。

ディープラーニング

[ディープラーニング] ツールは、人工ニューラルネットワーク (レイヤーごとに、画像内で一意のフィーチャを 1 つ以上抽出できる) の複数のレイヤーを使用して画像内のフィーチャを検出します。使用できるディープラーニングツールと各ツールの簡単な説明を次の表に示します。

[ディープラーニング] ツールセットのツール
ツール	説明
ディープラーニングを使用したオブジェクトの分類 (Classify Objects Using Deep Learning)	入力ラスターとオプションのフィーチャクラスに対してトレーニング済みディープラーニングモデルを実行し、各入力オブジェクトまたはフィーチャにクラスラベルまたはカテゴリラベルを割り当てたフィーチャクラスまたはテーブルを作成します。
ディープラーニングを使用したピクセルの分類 (Classify Pixels Using Deep Learning)	入力ラスターにトレーニング済みディープラーニングモデルを実行して、有効な各ピクセルにクラスラベルを割り当てた分類済みラスターを作成します。
オブジェクト検出精度の計算 (Compute Accuracy For Object Detection)	[ディープラーニングを使用したオブジェクトの検出 (Detect Objects Using Deep Learning)] ツールから検出されたオブジェクトをグラウンドトゥルースデータと比較することで、ディープラーニングモデルの精度を計算します。
ディープラーニングを使用したオブジェクトの検出 (Detect Objects Using Deep Learning)	入力ラスターにトレーニング済みディープラーニングモデルを実行して、検出したオブジェクトを含むフィーチャクラスを作成します。フィーチャには、検出されたオブジェクトの周囲の境界四角形やポリゴン、またはオブジェクトの中心のポイントを指定できます。
ディープラーニング用のトレーニングデータをエクスポート (Export Training Data For Deep Learning)	リモートセンシング画像を使用して、ラベルが付いたベクターまたはラスターデータをディープラーニングトレーニングデータセットに変換します。出力は画像チップのフォルダー、および指定した形式のメタデータファイルのフォルダーです。
Non Maximum Suppression	[ディープラーニングを使用したオブジェクトの検出 (Detect Objects Using Deep Learning)] ツールの出力から、後処理のステップとして重複フィーチャを識別し、重複が除去された新しい出力を作成します。
ディープラーニングモデルのトレーニング (Train Deep Learning Model)	[ディープラーニング用のトレーニングデータをエクスポート (Export Training Data For Deep Learning)] ツールからの出力を使用してディープラーニングモデルをトレーニングします。

抽出

抽出ツールセットでは、ピクセルの属性またはピクセルの空間的位置関係のいずれかを指定して、セルのサブセットを抽出できます。

[抽出] ツールセットのツール
ツール	説明
サンプル (Sample)	定義された位置のラスターまたは一連のラスターからのセルの値を表示するテーブルまたはポイントフィーチャクラスを作成します。位置は、ラスターセル、ポイント、ポリライン、またはポリゴンによって定義されます。

マップ代数演算

マップ代数演算は、代数演算の式を作成することでラスター解析を実行する方法です。式を作成するには、ラスターデータセットを出力する式を作成できる [ラスター演算 (Raster Calculator)] ツールを使用します。[ラスター演算 (Raster Calculator)] では、Python 構文を使用して、1 つのマップ代数演算式を作成および実行します。

[ラスター演算 (Raster Calculator)] の詳細については、「マップ代数演算ツールセットの概要」をご参照ください。

算術演算

ラスターデータセットに対して算術演算を実行できる 60 以上の [算術演算] ツールが用意されています。これらのツールは、次の機能領域に分類されています。

全般
条件
論理
- ビット演算
- ブール型
- 結合演算
- 論理
- リレーショナル
三角関数

算術演算 (一般)

一般的な算術演算ツールは、算術演算を入力値に適用します。これらのツールは、いくつかのカテゴリに分類されます。算術ツールは、加算や乗算などの基本的な数学演算を実行します。また、基本的な乗数演算に加えて、指数や対数など、さまざまな種類の指数演算を実行するツールがあります。他には、符号変換や、整数と浮動小数点のデータタイプ間の変換に使用するツールがあります。使用できる一般 [算術演算] ツールと各ツールの簡単な説明を次の表に示します。

[一般演算] ツールセットのツール
ツール	説明
Abs	ラスターのセルの絶対値を計算します。
Divide	セル単位で 2 つのラスター値を除算します。
Exp	ラスター内のセル値の底が e の指数を計算します。
Exp10	ラスター内のセル値の底が 10 の指数を計算します。
Exp2	ラスター内のセル値の底が 2 の指数を計算します。
Float	ラスターの各セル値を浮動小数点表現に変換します。
Int	ラスターのセル値に対し、小数点以下を切り捨てて整数値に変換します。
Ln	ラスターのセル値に対して底が e の自然対数を計算します。
Log10	ラスターのセル値に対して底が 10 の対数を計算します。
Log2	ラスターのセル値に対して底が 2 の対数を計算します。
Minus	セル単位で、1 つ目の入力ラスターの値から 2 つ目の入力ラスターの値を減算します。
Mod	セルごとに最初のラスターを 2 番目のラスターで除算したときの余り (モジュロ) を算出します。
Negate	セルごとに入力ラスターのセル値の符号を変更 (-1 で乗算) します。
Plus	2 つのラスターの値をセル単位で加算します。
Power	ラスター内のセル値をもう 1 つのラスターにある値で累乗します。
Round Down	ラスター内の各セルで、負の方向に最近接の整数値を返して、浮動小数点として表現します。
Round Up	ラスター内の各セルで、正の方向に最近接の整数値を返して、浮動小数点として表現します。
Square	ラスターのセル値の二乗を計算します。
Square Root	ラスターのセル値の平方根を計算します。
Times	2 つのラスターの値をセル単位で乗算します。

算術演算: 条件演算

[条件] ツールでは、入力値の条件に基づいて出力値を制御できます。適用できる条件には、属性検索とリスト内の条件ステートメントの位置に基づく条件の 2 種類があります。使用できる条件演算ツールと各ツールの簡単な説明を次の表に示します。

[条件] ツールセット内のツール
ツール	説明
Con	入力ラスターのそれぞれの入力セルに対して if/else 条件の評価を実行します。
Pick	ポジションラスターの値を使用して、入力ラスターのリストの中で出力セル値になるラスターを決定します。
Set Null	指定の条件に基づいて識別されたセル位置を NoData に設定します。条件評価が True の場合は NoData、False の場合は別のラスターで指定した値を返します。

論理演算

論理演算ツールは、入力値を評価し、ブール型ロジックに基づいて出力値を決定します。これらのツールでは、[ビット演算]、[ブール]、[結合]、[論理]、[関係] という 5 つの主要なカテゴリでラスターデータセットが処理されます。使用できる論理演算ツールと各ツールの簡単な説明を次の表に示します。

ビット演算ツール
ツール	説明
Bitwise And	2 つの入力ラスターのバイナリ値に対してビット単位の論理積演算を行います。
Bitwise Left Shift	2 つの入力ラスターのバイナリ値に対してビット単位の左シフト演算を行います。
Bitwise Not	1 つの入力ラスターのバイナリ値に対してビット単位の論理否定 (補数) 演算を行います。
Bitwise Or	2 つの入力ラスターのバイナリ値に対してビット単位の論理和演算を行います。
Bitwise Right Shift	2 つの入力ラスターのバイナリ値に対してビット単位の右シフト演算を行います。
Bitwise XOr	2 つの入力ラスターのバイナリ値に対してビット単位の排他的論理和演算を行います。

ブール演算ツール
ツール	説明
Boolean And	2 つの入力ラスターのセル値で論理積 (AND) 演算を行います。両方の入力値が true (0 以外) の場合には、出力値は 1 になります。片方または両方の入力値が false (0) の場合には、出力値は 0 になります。
Boolean Not	1 つの入力ラスターのセル値に対してブール型の論理否定 (補数) 演算を行います。入力値が true (0 以外) の場合には、出力値は 0 になります。入力値が false (0) の場合には、出力値は 1 になります。
Boolean Or	2 つの入力ラスターのセル値で論理和 (OR) 演算を行います。片方または両方の入力値が true (0 以外) の場合には、出力値は 1 になります。両方の入力値が false (0) の場合には、出力値は 0 になります。
Boolean XOr	2 つの入力ラスターのセル値に対してブール型の排他的論理和演算を行います。片方の入力値が true (0 以外) で、もう片方の入力値が false (0) の場合には、出力値は 1 になります。両方の入力値が true (0 以外) または false (0) の場合には、出力値は 0 になります。

結合演算ツール
ツール	説明
Combinatorial And	2 つの入力ラスターのセル値で Combinatorial And 処理を行います。両方の入力値が true (0 以外) の場合には、入力値の組み合わせごとに異なる数値を出力します。片方または両方の入力値が false (0) の場合には、出力値は 0 になります。
Combinatorial Or	2 つの入力ラスターのセル値で Combinatorial Exclusive Or 処理を行います。片方の入力値が true (0 以外) の場合には、入力値の組み合わせごとに異なる数値を出力します。両方の入力値が false (0) の場合には、出力値は 0 になります。
Combinatorial XOr	2 つの入力ラスターのセル値に対して排他的論理和結合演算を行います。片方の入力値が true (0 以外) で、もう片方の入力値が false (0) の場合には、入力値の組み合わせごとに異なる数値を出力します。両方の入力値が true (0 以外) または false (0) の場合には、出力値は 0 になります。

関係演算ツール
ツール	説明
Equal To	2 つの入力値に対してセル単位での関係等価演算を実行します。 1 つ目のラスターが 2 つ目のラスターと等しい値をもつ場合には、セル値に 1 を返し、等しくない場合には 0 を返します。
Greater Than	2 つの入力値に対してセル単位で、[より大きい] 関係演算を実行します。 1 つ目のラスターが 2 つ目のラスターより大きい場合にはセル値に 1 を返し、そうではない場合には 0 を返します。
Greater Than Equal	2 つの入力値に対してセル値単位で、[以上] 演算を実行します。 1 つ目のラスターが 2 つ目のラスターより大きい、または 2 つ目のラスターと等しい場合にはセル値に 1 を返し、どちらでもない場合には 0 を返します。
Less Than	2 つの入力値に対してセル値単位で、[より小さい] 関係演算を実行します。 1 つ目のラスターのセル値が 2 つ目のラスターのセル値よりも小さい場合は「1」を返し、そうでない場合は「0」を返します。
Less Than Equal	2 つの入力値に対してセル単位で、[以下] 関係演算を実行します。 1 つ目のラスターが 2 つ目のラスターより小さいか、または 2 つ目のラスターと等しい場合にはセル値として 1 を返し、どちらでもない場合には 0 を返します。
Not Equal	2 つの入力値に対してセルごとに関係不等価演算を実行します。最初のラスターが 2 番目のラスターと等しくない場合にはセル値に 1 を返し、等しい場合には 0 を返します。

論理演算ツール
ツール	説明
Diff	1 つ目の入力値のどの値が 2 つ目の入力値と論理的に異なるかをセル単位で判別します。 2 つの入力値が異なる場合には、最初の入力値の値が出力値の値となります。2 つの入力値が同じ場合には、出力値は 0 になります。
InList	最初の入力の中で、他の一連の入力に含まれる値をセル単位で判別します。各セルについて、最初の入力ラスターの値が他の入力のリストに含まれている場合、その値が出力ラスターに割り当てられます。含まれていない場合、出力セルは NoData になります。
Is Null	入力ラスターの値が NoData であるかどうかをセルごとに判別します。入力値が NoData の場合は 1、そうでないセルには 0 を返します。
Over	1 つ目の入力ラスターのセルの値が 0 以外の場合、出力ラスターのセルの値は、1 つ目の入力ラスターの値になります。セル値が 0 の場合、出力ラスターのセルの値は 2 つ目の入力ラスターの値になります。
Test	論理式を使用して、入力ラスターのブール演算を実行します。式が true と評価されると、出力セル値は 1 になります。入力値が false の場合、出力は 0 になります。

算術演算: 三角関数

三角関数演算ツールは、入力ラスターの値に対してさまざまな三角関数を実行します。使用できる三角関数演算ツールと各ツールの簡単な説明を次の表に示します。

[三角関数] ツールセットのツール
ツール	説明
ACos	ラスターのセル値の逆余弦を計算します。
ACosH	ラスターのセル値の逆双曲線正弦を計算します。
ASin	ラスターのセル値の逆正弦を計算します。
ASinH	ラスターのセル値の逆双曲線正弦を計算します。
ATan	ラスターのセル値の逆正接を計算します
ATan2	ラスターのセル値の逆双曲線正接を計算します。
ATanH	ラスターのセル値の逆双曲線正接を計算します。
Cos	ラスターのセル値の余弦を計算します。
CosH	ラスターのセル値の双曲線余弦を計算します。
Sin	ラスターのセル値の正弦を計算します。
SinH	ラスターのセル値の双曲線正弦を計算します。
Tan	ラスターのセル値の正接を計算します。
TanH	ラスターのセル値の双曲線正接を計算します。

モーションイメージ

[モーションイメージ] ツールセットには、動画を含むモーション画像を管理、処理、解析するためのツールが含まれています。使用できるモーション画像ツールと各ツールの簡単な説明を次の表に示します。

[モーションイメージ] ツールセットのツール
ツール	説明
フレームから画像を抽出 (Extract Frames To Images)	FMV 準拠のビデオストリームからビデオフレーム画像と関連するメタデータを抽出し、データをディレクトリに保存します。
ビデオメタデータ → フィーチャクラス (Video Metadata To Feature Class)	FMV 準拠のビデオからプラットフォーム、フレームセンター、フレームアウトライン、および属性のメタデータを抽出し、フィーチャデータをディレクトリに保存します。
ビデオマルチプレクサー (Video Multiplexer)	タイムスタンプで同期されたアーカイブ済みのビデオストリームファイルとそれに関連するメタデータファイルを結合してビデオファイルを作成します。

多次元解析

多次元解析ツールセット内のツールを使用すると、複数の変数や次元にまたがる科学的なデータに対する解析を実行できます。使用できる多次元解析ツールと各ツールの簡単な説明を次の表に示します。

多次元解析ツールセットのツール
ツール	説明
多次元ラスターの集約 (Aggregate Multidimensional Raster)	既存の多次元ラスター変数をディメンションに沿って結合することによって、多次元ラスターデータセットを生成します。
CCDC を使用した変化の解析 (Analyze Changes Using CCDC)	CCDC (Continuous Change Detection and Classification) 法を使用してピクセル値の経時的な変化を評価し、モデル結果を含む変化解析ラスターを生成します。
LandTrendr を使用した変化の解析 (Analyze Changes Using LandTrendr)	干渉と回復における Landsat ベースの傾向検出 (LandTrendr) 法を使用してピクセル値の経時的な変化を評価し、モデル結果を含む変化解析ラスターを生成します。
変化解析ラスターから変化を検出 (Detect Change From Change Analysis Raster)	[CCDC を使用した変化の解析 (Analyze Changes Using CCDC)] ツールまたは [LandTrendr を使用した変化の解析 (Analyze Changes Using LandTrendr)] ツールの出力変化解析ラスターを使用してピクセル変化情報を含むラスターを生成します。
引数の統計を検索 (Find Argument Statistics)	多次元ラスターまたはマルチバンドラスター内の各ピクセルに対して、所定の統計が得られるディメンション値またはバンドインデックスを抽出します。
多次元異常の生成 (Generate Multidimensional Anomaly)	既存の多次元ラスター内のスライスごとに異常を計算し、新しい多次元ラスターを生成します。
トレンドラスターの生成 (Generate Trend Raster)	多次元ラスターの 1 つまたは複数の変数のディメンションに沿って各ピクセルのトレンドを推定します。
トレンドラスターを使用した予測 (Predict Using Trend Raster)	[トレンドラスターの生成 (Generate Trend Raster)] ツールの出力トレンドラスターを使用して、予測される多次元ラスターを計算します。
カテゴリラスターの集約 (Summarize Categorical Raster)	入力カテゴリラスターの各スライス内にある各クラスのピクセル数を格納するテーブルを生成します。

オーバーレイ

[オーバーレイ] ツールセットのツールは、重ね合わされた複数のラスターに対してさまざまな演算を実行します。以下の表に、使用可能な [オーバーレイ] ツールと、その簡単な説明を示します。

[オーバーレイ] ツールセットのツール
ツール	説明
加重合計 (Weighted Sum)	それぞれに与えられた加重値を掛け、その結果を合計したラスター同士をオーバーレイします。

セグメンテーションと分類

[セグメンテーションと分類] ツールでは、セグメント化されたラスターデータセットおよびピクセルベースのラスターデータセットに対して従来の統計と高度なコンピューターラーニング画像分類アルゴリズムを実行します。また、トレーニングセット、分類の精度の評価、クラスマップの調整を行うためのツールも用意されています。以下の表に、利用可能な [セグメンテーションと分類] ツール、およびその簡単な説明を示します。

[セグメンテーションと分類] ツールセットのツール
ツール	説明
ラスターの分類 (Classify Raster)	Esri 分類器定義ファイル (.ecd) とラスターデータセット入力に基づいて、ラスターデータセットを分類します。 .ecd ファイルには、Esri がサポートする特定のタイプの分類を実行するために必要なすべての情報が含まれています。このツールへの入力は、必要な *.ecd ファイルの生成に使用される入力と一致する必要があります。
混同行列の計算 (Compute Confusion Matrix)	オミッションエラーおよびコミッションエラーを使用して混同行列を計算し、分類済みマップと参照データ間のカッパ値と全体的な精度を出力します。
セグメント属性の計算 (Compute Segment Attributes)	セグメント画像に関連付けられた一連の属性を計算します。入力ラスターは、シングルバンドまたは 3 バンドの 8 ビットのセグメント画像です。
精度評価ポイントの作成 (Create Accuracy Assessment Points)	分類後の精度評価のためにランダムにサンプリングされたポイントを作成します。
シードポイントからトレーニングサンプルを生成 (Generate Training Samples From Seed Points)	精度評価ポイントやトレーニングサンプルポイントなどのシードポイントからトレーニングサンプルを作成します。一般的には、主題ラスターやフィーチャクラスなどの既存のソースからトレーニングサンプルを生成する場合に使用されます。
トレーニングサンプルの検査 (Inspect Training Samples)	個々のトレーニングサンプルの精度を評価します。*.ecd ファイル内の以前に生成された分類トレーニング結果とトレーニングサンプルを使用して、交差検証精度が計算されます。出力には、誤分類されたクラス値が格納されるラスターデータセットと、各トレーニングサンプルの精度スコアを含むトレーニングサンプルデータセットが含まれます。
リニアスペクトル分解 (Linear Spectral Unmixing)	サブピクセル分類を実行し、ピクセルごとに異なる土地被覆タイプの部分存在量を算出します。
ラスターセグメントのタイルアーティファクトの削除 (Remove Raster Segment Tiling Artifacts)	ラスター関数として実行されたセグメンテーションプロセス中にタイル境界で切られたセグメントまたはオブジェクトを修正します。このツールは、画像セグメンテーションなどのリージョンプロセスに有効です。画像タイル境界の近くでは不整合が発生します。この処理ステップは [セグメント平均シフト (Segment Mean Shift)] ツールに含まれているため、そのツールから作成されなかったセグメント画像にのみこのツールを使用する必要があります。
セグメント平均シフト (Segment Mean Shift)	類似したスペクトル特性を持つセグメント隣接ピクセルにグループ化します。
ISO クラスターによる分類器定義ファイルの作成 (Train Iso Cluster Classifier)	ISO クラスター分類定義を使用して、Esri 分類器定義ファイル (*.ecd) を作成します。
最尤法による分類器定義ファイルの作成 (Train Maximum Likelihood Classifier)	最尤法による分類器定義ファイル (MLC) 分類定義を使用して、Esri 分類器定義ファイル (*.ecd) を作成します。
ランダムツリーによる分類器定義ファイルの作成 (Train Random Trees Classifier)	ランダムツリー分類方法を使用して Esri 分類器定義ファイル (*.ecd) を作成します。
SVM による分類器定義ファイルの作成 (Train Support Vector Machine Classifier)	Support Vector Machine (SVM) 分類定義を使用して、Esri 分類器定義ファイル (*.ecd) を作成します。
精度評価ポイントの更新 (Update Accuracy Assessment Points)	参照ポイントを分類済み画像と比較するには、属性テーブルの Target フィールドを更新します。

統計情報

統計情報ツールでは、ローカル、近傍解析、またはゾーンに基づいて統計ラスター演算を実行します。統計解析を実行できるツールと各ツールの簡単な説明を次の表に示します。

[統計情報] ツールセットのツール
ツール	説明
セル統計 (Cell Statistics)	複数のラスターからセルごとに統計情報を計算します。使用できる統計情報は、最頻値、最大値、平均値、中央値、最小値、最少頻値、範囲、標準偏差、合計、および種類です。
引数の統計を検索 (Find Argument Statistics)	多次元ラスターデータセット内のラスターのスタックで、特定の統計値に達したディメンション値 (たとえば、日付、高さ、深さ) を抽出できます。
フォーカル統計 (Focal Statistics)	各入力セル位置について、指定した近傍内の値の統計情報を計算します。
ゾーン統計 (Zonal Statistics)	別のデータセットのゾーン内にあるラスターの値の統計情報を計算します。