Доступно с лицензией Spatial Analyst.
Доступно с лицензией Image Analyst.
Сводка
Создает обучающие выборки из исходных точек, такие как точки оценки точности или точки обучающей выборки. Типичным случаем применения является построение обучающих выборок из существующих источников, таких как тематический растр или класс объектов.
Использование
Данный инструмент поддерживает источники данных сторонних разработчиков в наборе классификации ArcGIS. Входные данные, задающие схему класса для создания обучающих выборок, включают наборы тематических растров или полигоны, например, имеющиеся карты классификаций, контуры зданий, дороги и другие ГИС-данные.
Для входных растров инструмент выполняет создание регионов из исходных точек, все пикселы которых будут иметь одинаковые значения. Создание регионов контролируется Максимальным радиусом выборки (в Python это max_radius). Для данных дистанционного зондирования предпочтительно, чтобы обучающие выборки были однородными, и чтобы их размер соответствовал целевым объектам. Если создание регионов из конкретных исходных точек не дает области, большей Минимальной площади выборки (в Python - min_area), эта исходная точка не используется.
я входных классов объектов инструмент, вместо применения опции создания регионов, выберет объекты, пересекающие точечный класс.
Вы можете воспользоваться инструментом Создать точки оценки точности для получения точек обучающей выборки. Он содержит опции числа используемых точек и несколько стратегий обучения при создании случайных точек.
Если у вас уже есть исходные точки для обучающей выборки либо вы знаете способ их создания, их использовать несложно. так как инструмент берет лишь координаты x,y файла точечного класса, а не связанную таблицу.
Синтаксис
GenerateTrainingSamplesFromSeedPoints(in_class_data, in_seed_points, out_training_feature_class, {min_sample_area}, {max_sample_radius})
Parameter | Объяснение | Тип данных |
in_class_data | Источник данных для подписей обучающих выборок. | Mosaic Layer; Raster Layer; Feature Layer; Image Service; String |
in_seed_points | Точечный шейп-файл или класс объектов с центрами полигонов обучающей выборки. | Feature Layer |
out_training_feature_class |
Выходной класс объектов обучающей выборки в формате, который может использоваться в инструментах обучения, включая шейп-файлы. Выходной класс объектов может быть либо полигональным, либо точечным. | Feature Class |
min_sample_area (Дополнительный) | Минимальная площадь для каждой обучающей выборки (в кв. м). Минимальное значение должно быть больше или равно 0. | Double |
max_sample_radius (Дополнительный) | Наибольшее расстояние (в метрах) от любой точки обучающей выборки до ее исходной точки. Если оно равно нулю, выходной обучающей выборкой будут точки, а не полигоны. Минимальное значение должно быть больше или равно 0. | Double |
Пример кода
Создать обучающие выборки из исходных точек.
import arcpy
from arcpy.ia import *
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
GenerateTrainingSamplesFromSeedPoints("c:/test/amberg_3band_classified_ISO.tif",
"c:/input/seed_points",
"c:/test/out/training_samples.gdb\out_training_sample",
30, 50)
Создать обучающие выборки из исходных точек.
# Import system modules
import arcpy
from arcpy.ia import *
# Set local variables
inclassified_raster = "c:/test/landuse.tif"
in_seed_points = "c:/test/seed_points.shp"
output_trainingsamples = "c:/test/output/training.gdb/trainingsmaples"
maxSampleArea = 30
minSampleRadius = 50
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
#Execute
GenerateTrainingSamplesFromSeedPoints(inclassified_raster, in_seed_points,
output_trainingiamples, maxiampleArea, miniampleRadius)
Environments
Информация о лицензиях
- Basic: Требуется Image Analyst or Spatial Analyst
- Standard: Требуется Image Analyst or Spatial Analyst
- Advanced: Требуется Image Analyst or Spatial Analyst
Связанные разделы
- An overview of the Segmentation and Classification toolset in Image Analyst
- Поиск инструмента геообработки
- Классификатор по методу максимального правдоподобия с обучением
- Классификатор произвольных деревьев с обучением
- Классификатор опорных векторов с обучением
- Классифицировать растр
- Просмотреть обучающие примеры