Доступно с лицензией Spatial Analyst.
Доступно с лицензией Image Analyst.
Сводка
Создает файл определения классификатора Esri (.ecd) с использованием определения классификации Метода максимального правдоподобия (MLC).
Использование
Для завершения процесса классификации по методу максимального подобия используйте тот же входной растр и выходной файл .ecd инструмента Классифицировать растр .
Входным растром может быть любой поддерживаемый Esri растр с любой глубиной пикселов.
Для создания сегментированного набора растровых данных используйте инструмент Сегментация методом среднего сдвига.
Чтобы создать файл обучающей выборки, используйте панель Менеджер обучающей выборки в раскрывающемся меню Инструменты классификации.
Выходной файл определения классификатора содержит статистику атрибутов, которая подходит для инструмента Классификация по методу максимального подобия.
Параметр Атрибуты сегмента включен только в том случае, когда одним из входных растровых слоев является сегментированное изображение.
Для классификации временных серий растровых данных с помощью алгоритма Выявление непрерывных изменений и классификация (CCDC) потребуется два шага. Для начала запустите инструмент Анализировать изменения с помощью CCDC, который доступен с лицензией дополнительного модуля Image Analyst. Затем используйте эти результаты в качестве входных данных для этого инструмента обучения.
Образец обучающих данных должен быть собран несколько раз с помощью Менеджера обучающей выборки. Значения измерения для каждого образца будут указаны в поле в классе объектов обучающей выборки, которое указано в параметре Поле значения измерения.
Синтаксис
TrainMaximumLikelihoodClassifier(in_raster, in_training_features, out_classifier_definition, {in_additional_raster}, {used_attributes}, {dimension_value_field})| Parameter | Объяснение | Тип данных |
in_raster | Набор растровых данных для классификации. | Raster Layer; Mosaic Layer; Image Service; String |
in_training_features | Файл обучающей выборки или слой, который определяет районы обучающей выборки. Это могут быть либо шейп-файлы, либо классы объектов, которые содержат ваши обучающие выборки. В файле обучающей выборки должны быть поля со следующими именами:
| Feature Layer |
out_classifier_definition | Выходной файл JSON, который содержит информацию об атрибутах, статистику, гиперплоскостные векторы и другую информацию, необходимую для классификатора. Создан файл .ecd. | File |
in_additional_raster (Дополнительный) | Включает вспомогательные наборы растровых данных, например, сегментированное изображение или ЦМР. Это дополнительный параметр. | Raster Layer; Mosaic Layer; Image Service; String |
used_attributes [used_attributes,...] (Дополнительный) | Укажите атрибуты, которые будут включены в связанную с выходным растром таблицу атрибутов.
Это параметр активен только в тех случаях, когда для входного растра выбран ключевой параметр Сегментированный (Segmented). Если для входных данных инструмента используется только сегментированное изображение, то атрибутами по умолчанию будут COLOR, COUNT, COMPACTNESS и RECTANGULARITY. Если в качестве входных данных вместе с сегментированным изображением также используется in_additional_raster, то тогда также будут доступны атрибуты MEAN и STD. | String |
dimension_value_field (Дополнительный) | Содержит значения измерений во входном классе объектов обучающей выборки. Этот параметр необходим для классификации временных серий растровых данных с использованием выхдоного растра анализа изменений, полученного в результате работы инструмента Анализировать изменения с помощью CCDC в наборе инструментов Image Analyst. | Field |
Пример кода
В следующем скрипте окна Python показано, как используется инструмент TrainMaximumLikelihoodClassifier.
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")В данном примере показано, как использовать классификатор по методу максимального правдоподобия с обучением.
# 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)В данном примере показано, как обучить классификатор по методу максимального правдоподобия, используя растр анализа изменений из инструмента Анализ изменений с помощью CCDC.
# 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)Environments
Информация о лицензиях
- Basic: Требуется Дополнительный модуль Spatial Analyst или Image Analyst
- Standard: Требуется Дополнительный модуль Spatial Analyst или Image Analyst
- Advanced: Требуется Дополнительный модуль Spatial Analyst или Image Analyst