| ラベル | 説明 | データ タイプ |
入力ラスター | 分類対象のラスター データセット。 | Raster Layer; Mosaic Layer; Image Service; String |
クラス/クラスターの最大数 | ピクセルまたはセグメントをグループ化するために必要なクラスの最大数です。これは、凡例内のクラスの数より多く設定する必要があります。 このパラメーターで指定した数より、取得するクラスが少ない可能性があります。クラス数を増やす必要がある場合は、この値を大きくして、トレーニング プロセスの完了後にクラスを集約します。 | Long |
出力分類器定義ファイル | 分類器の属性情報、統計情報、ハイパープレーン ベクトル、およびその他の情報を含む出力 JSON 形式ファイルです。 *.ecd ファイルが作成されます。 | File |
追加入力ラスター (オプション) | マルチスペクトル画像や DEM などの補助ラスター データセットを取り入れて、分類の属性やその他の必要な情報を生成できます。 このパラメーターはオプションです。 | Raster Layer; Mosaic Layer; Image Service; String |
処理の最大反復回数 (オプション) | クラスタリング処理を実行する最大反復回数。 推奨される反復の範囲は、10 ～ 20 です。 この値を増やすと、処理時間が線形に増加します。 | Long |
クラスターあたりの最小サンプル数 (オプション) | 有効なクラスターまたはクラス内の最小ピクセル数またはセグメント数。 デフォルト値の 20 は、統計的に有意なクラスを作成するのに有効です。 この数値を大きくするとクラスの有効性が高まりますが、作成されるクラスの総数は制限される可能性があります。 | Long |
スキップ ファクター (オプション) | ピクセル画像入力のためにスキップするピクセル数。セグメント画像が入力である場合は、スキップするセグメント数を指定します。 | Long |
使用するセグメント属性 (オプション) | 出力ラスターに関連付けられた属性テーブルに含める属性を指定します。 このパラメーターは、入力ラスターで [セグメント化] キー プロパティを true に設定した場合にのみ有効になります。 このツールへの入力が、セグメント画像のみである場合、デフォルトの属性は、[平均色度]、[ピクセル数]、[コンパクト性]、および [矩形性] になります。 セグメント画像とともに [追加入力ラスター] の値が入力として含まれている場合、[平均デジタル ナンバー] と [標準偏差] 属性も使用できます。
| String |
反復ごとのクラスターの最大マージ数 (オプション) | 反復ごとのクラスターの最大マージ数。 マージ数を大きくすると、作成されるクラス数が減少します。 小さい値を設定すると、クラス数が増加します。 | Long |
マージする最大距離 (オプション) | フィーチャ空間内にあるクラスター中心間の最大距離。 距離を大きくすると、マージするクラスター数を増やして、クラス数を減らすことができます。 小さい値を設定すると、クラス数が増加します。 0 ～ 5 の値を設定すると、通常は最適な結果が返されます。 | Double |
Spatial Analyst のライセンスで利用可能。
Image Analyst ライセンスで利用できます。
サマリー
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。
このツールは、教師なし分類を実行します。
使用法
ラスター製品、セグメント化されたラスター、モザイク、イメージ サービス、または一般的なラスター データセットなど、Esri でサポートされているラスターは入力として受け入れられます。セグメント ラスターは 3 バンドの 8 ビット ラスターである必要があります。
[セグメント属性] パラメーターは、ラスター レイヤー入力のうちのいずれかがセグメント画像である場合にのみ、アクティブになります。
パラメーター
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})| 名前 | 説明 | データ タイプ |
in_raster | 分類対象のラスター データセット。 | Raster Layer; Mosaic Layer; Image Service; String |
max_classes | ピクセルまたはセグメントをグループ化するために必要なクラスの最大数です。これは、凡例内のクラスの数より多く設定する必要があります。 このパラメーターで指定した数より、取得するクラスが少ない可能性があります。クラス数を増やす必要がある場合は、この値を大きくして、トレーニング プロセスの完了後にクラスを集約します。 | Long |
out_classifier_definition | 分類器の属性情報、統計情報、ハイパープレーン ベクトル、およびその他の情報を含む出力 JSON 形式ファイルです。 *.ecd ファイルが作成されます。 | File |
in_additional_raster (オプション) | マルチスペクトル画像や DEM などの補助ラスター データセットを取り入れて、分類の属性やその他の必要な情報を生成できます。 このパラメーターはオプションです。 | Raster Layer; Mosaic Layer; Image Service; String |
max_iterations (オプション) | クラスタリング処理を実行する最大反復回数。 推奨される反復の範囲は、10 ～ 20 です。 この値を増やすと、処理時間が線形に増加します。 | Long |
min_samples_per_cluster (オプション) | 有効なクラスターまたはクラス内の最小ピクセル数またはセグメント数。 デフォルト値の 20 は、統計的に有意なクラスを作成するのに有効です。 この数値を大きくするとクラスの有効性が高まりますが、作成されるクラスの総数は制限される可能性があります。 | Long |
skip_factor (オプション) | ピクセル画像入力のためにスキップするピクセル数。セグメント画像が入力である場合は、スキップするセグメント数を指定します。 | Long |
used_attributes [used_attributes;used_attributes,...] (オプション) | 出力ラスターに関連付けられた属性テーブルに含める属性を指定します。
このパラメーターは、入力ラスターで [セグメント化] キー プロパティを true に設定した場合にのみ有効になります。 このツールへの入力が、セグメント画像のみである場合、デフォルトの属性は COLOR、COUNT、COMPACTNESS、および RECTANGULARITY になります。 セグメント画像とともに in_additional_raster 値が入力として含まれている場合、MEAN および STD 属性も使用できます。 | String |
max_merge_per_iter (オプション) | 反復ごとのクラスターの最大マージ数。 マージ数を大きくすると、作成されるクラス数が減少します。 小さい値を設定すると、クラス数が増加します。 | Long |
max_merge_distance (オプション) | フィーチャ空間内にあるクラスター中心間の最大距離。 距離を大きくすると、マージするクラスター数を増やして、クラス数を減らすことができます。 小さい値を設定すると、クラス数が増加します。 0 ～ 5 の値を設定すると、通常は最適な結果が返されます。 | Double |
コードのサンプル
次の Python ウィンドウ スクリプトは ISO クラスター分類器を使用して、最大クラス数 10 の教師なし Esri 分類定義ファイルを作成します。
import arcpy
from arcpy.sa import *
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")このスクリプトの例は、ISO クラスター分類器を使用して、最大クラス数 10 の教師なし Esri 分類定義ファイルを作成します。
# Import system modules
import arcpy
from arcpy.sa import *
# 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"
# Execute
TrainIsoClusterClassifier(inSegRaster, maxNumClasses, out_definition,
in_additional_raster, maxIteration,
minNumSamples, skipFactor, attributes)ライセンス情報
- Basic: 次のものが必要 Spatial Analyst または Image Analyst
- Standard: 次のものが必要 Spatial Analyst または Image Analyst
- Advanced: 次のものが必要 Spatial Analyst または Image Analyst