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) (Image 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

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

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。

  • 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。
  • 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。
  • 圧縮率 —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
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

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。

  • 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。
  • 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
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

TrainIsoClusterClassifier 例 1 (Python ウィンドウ)

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.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")
TrainIsoClusterClassifier 例 2 (スタンドアロン スクリプト)

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.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)

関連トピック