最尤法による分類器定義ファイルの作成 (Train Maximum Likelihood Classifier) (Spatial Analyst)

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

最尤法分類器 (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。

使用法

  • 最尤法分類プロセスを実行するには、[ラスターの分類 (Classify Raster)] ツールで同じ入力ラスターおよび出力 *.ecd ファイルを使用します。

  • 入力として、Esri がサポートし、有効なビット深度を持つ任意のラスターを指定できます。

  • セグメント ラスター データセットを作成するには、[セグメント平均シフト (Segment Mean Shift)] ツールを使用します。

  • トレーニング サンプル ファイルを作成するには、[分類ツール] ドロップダウン メニューから [トレーニング サンプル マネージャー] ウィンドウを使用します。

  • [出力分類器定義ファイル] には、[最尤法分類 (Maximum Likelihood Classification)] に適した属性統計が含まれています。

  • [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。

  • CCDC (Continuous Change Detection and Classification) アルゴリズムを使用して時系列ラスターを分類するには、2 ステップのプロセスが必要です。 まず、[CCDC を使用した変化の解析 (Analyze Changes Using CCDC)] ツールを実行します。このツールは、Image Analyst エクステンション ライセンスで使用できます。 次に、その結果を、このトレーニング ツールの入力として使用します。

    トレーニング サンプル データは、[トレーニング サンプル マネージャー] を使用して複数回収集されている必要があります。 各サンプルのディメンション値は、トレーニング サンプル フィーチャクラスのフィールドにリストされています。このフィールドは、[ディメンション値フィールド] パラメーターで指定します。

パラメーター

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
入力トレーニング サンプル ファイル

トレーニング サイトを表すトレーニング サンプル ファイルまたはレイヤー。

これらは、トレーニング サンプルを含んでいる、シェープファイルまたはフィーチャクラスです。 トレーニング サンプル ファイルには、次のフィールド名が必要です。

  • classname— クラス カテゴリ名を示すテキスト フィールド
  • classvalue— 各クラス カテゴリの整数値を含む long integer フィールド

Feature Layer
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)

セグメント化された画像や DEM などの補助ラスター データセットを取り込みます。このパラメーターはオプションです。

Raster Layer; Mosaic Layer; Image Service; String
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 [収束色][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][標準偏差] 属性も使用できます。

  • 収束色RGB カラー値は、入力ラスターからセグメント単位で取得されます。 これは平均色度とも呼ばれます。
  • 平均デジタル ナンバーセグメント単位でオプションのピクセル画像から得られる平均デジタル ナンバー (DN)。
  • 標準偏差セグメント単位でオプションのピクセル画像から得られる標準偏差。
  • ピクセル数セグメント単位で、セグメントを構成するピクセル数。
  • コンパクト性セグメント単位で、セグメントがコンパクトまたは円形である程度。 値の範囲は 0 から 1 で、1 は円形です。
  • 矩形性セグメント単位で、セグメントが矩形である程度。 値の範囲は 0 から 1 で、1 は矩形です。
String
ディメンション値フィールド
(オプション)

入力トレーニング サンプル フィーチャクラスのディメンション値が含まれます。

このパラメーターは、Image Analyst ツールボックスの [CCDC を使用した変化の解析 (Analyze Changes Using CCDC)] ツールから出力された変化解析ラスターを使用して時系列のラスター データを分類する際に必要となります。

Field

TrainMaximumLikelihoodClassifier(in_raster, in_training_features, out_classifier_definition, {in_additional_raster}, {used_attributes}, {dimension_value_field})
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
in_training_features

トレーニング サイトを表すトレーニング サンプル ファイルまたはレイヤー。

これらは、トレーニング サンプルを含んでいる、シェープファイルまたはフィーチャクラスです。 トレーニング サンプル ファイルには、次のフィールド名が必要です。

  • classname— クラス カテゴリ名を示すテキスト フィールド
  • classvalue— 各クラス カテゴリの整数値を含む long integer フィールド

Feature Layer
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)

セグメント化された画像や DEM などの補助ラスター データセットを取り込みます。このパラメーターはオプションです。

Raster Layer; Mosaic Layer; Image Service; String
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。

  • COLORRGB カラー値は、入力ラスターからセグメント単位で取得されます。 これは平均色度とも呼ばれます。
  • MEANセグメント単位でオプションのピクセル画像から得られる平均デジタル ナンバー (DN)。
  • STDセグメント単位でオプションのピクセル画像から得られる標準偏差。
  • COUNTセグメント単位で、セグメントを構成するピクセル数。
  • COMPACTNESSセグメント単位で、セグメントがコンパクトまたは円形である程度。 値の範囲は 0 から 1 で、1 は円形です。
  • RECTANGULARITYセグメント単位で、セグメントが矩形である程度。 値の範囲は 0 から 1 で、1 は矩形です。

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 COLORCOUNTCOMPACTNESS、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
dimension_value_field
(オプション)

入力トレーニング サンプル フィーチャクラスのディメンション値が含まれます。

このパラメーターは、Image Analyst ツールボックスの [CCDC を使用した変化の解析 (Analyze Changes Using CCDC)] ツールから出力された変化解析ラスターを使用して時系列のラスター データを分類する際に必要となります。

Field

コードのサンプル

TrainMaximumLikelihoodClassifier (最尤法による分類器定義ファイルの作成) の例 1 (Python ウィンドウ)

次の Python ウィンドウ スクリプトは、TrainMaximumLikelihoodClassifierツールの使用方法を示しています。

import arcpy
from arcpy.sa import *

TrainMaximumLikelihoodClassifier(
    "c:/test/moncton_seg.tif", "c:/test/train.gdb/train_features", 
    "c:/output/moncton_sig.ecd", "c:/test/moncton.tif", 
    "COLOR;MEAN;STD;COUNT;COMPACTNESS;RECTANGULARITY")
TrainMaximumLikelihoodClassifier (最尤法による分類器定義ファイルの作成) の例 2 (スタンドアロン スクリプト)

次の例は、最尤法による分類器定義ファイルの作成方法を示しています。

# Import system modules
import arcpy
from arcpy.sa import *


# Set local variables
inSegRaster = "c:/test/moncton_seg.tif"
train_features = "c:/test/train.gdb/train_features"
out_definition = "c:/output/moncton_sig.ecd"
in_additional_raster = "c:/moncton.tif"
attributes = "COLOR;MEAN;STD;COUNT;COMPACTNESS;RECTANGULARITY"

# Execute 
TrainMaximumLikelihoodClassifier(inSegRaster, train_features, out_definition, 
                                 in_additional_raster, attributes)
TrainMaximumLikelihoodClassifier (最尤法による分類器定義ファイルの作成) の例 3 (スタンドアロン スクリプト)

次の例は、[CCDC を使用した変更の解析 (Analyze Changes Using CCDC)] ツールの変更解析ラスターを使用した最尤法による分類器定義ファイルの作成方法を示しています。

# Import system modules
import arcpy
from arcpy.sa import *

# Check out the ArcGIS Spatial Analyst extension license
arcpy.CheckOutExtension("Spatial")


# Set local variables
in_changeAnalysisRaster = "c:/test/LandsatCCDC.crf"
train_features = "c:/test/train.gdb/train_features"
out_definition = "c:/output/change_detection.ecd"
additional_raster = ''
attributes = None
dimension_field = "DateTime"

# Execute
arcpy.sa.TrainMaximumLikelihoodClassifier(
	in_changeAnalysisRaster, train_features, out_definition,
	additional_raster, attributes, dimension_field)

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

関連トピック