| Подпись | Описание | Тип данных |
Входной растр | Набор растровых данных для классификации. Одноканальный растр или сегментированный растр, многоканальный растр или многомерный растр, подлежащий классификации. | Mosaic Layer; Raster Layer; Image Service; String |
Входной файл обучающей выборки | Файл обучающей выборки или слой, который определяет районы обучающей выборки. Это могут быть либо шейп-файлы, либо классы объектов, которые содержат обучающие выборки. В файле обучающей выборки должны быть поля со следующими именами:
| Feature Layer |
Выходной файл определения классификатора | Файл .ecd в формате JSON, содержащий информацию об атрибутах, статистику или другую информацию для классификатора. | File |
Дополнительный входной растр (Дополнительный) | Вспомогательные наборы растровых данных, такие как мультиспектральный снимок или ЦМР, будут добавлены для создания атрибутов и другой необходимой для классификатора информации. Это дополнительный параметр. | Raster Layer; Mosaic Layer; Image Service; String |
К- ближайшие соседи (Дополнительный) | Количество соседей, которые будут использоваться при поиске для каждого входного пиксела или сегмента. Увеличение числа соседей уменьшит влияние отдельных соседей на результат классификации. Значение по умолчанию равно 1. | Long |
Максимальное число образцов в классе (Дополнительный) | Максимальное количество обучающих выборок, которые будут использоваться для каждого класса. Значение по умолчанию 1000 рекомендуется использовать, если входные данные представляют собой несегментированные растры. Значение, которое меньше или равно 0, означает, что система будет использовать все образцы из обучающих местоположений для обучения классификатора. | Long |
Атрибуты сегмента (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. Если для входных данных инструмента используется только сегментированное изображение, то атрибутами по умолчанию будут Converged color, Count of pixels, Compactness и Rectangularity. Если в качестве входных данных вместе с сегментированным изображением также используется значение Дополнительный входной растр, то тогда также будут доступны атрибуты Среднее число и Стандартное отклонение.
| String |
Поле значения измерения (Дополнительный) | Содержит значения измерений во входном классе объектов обучающей выборки. Этот параметр требуется для классификации растровых данных временных рядов с помощью выходного растра анализа изменений из инструмента Анализ изменений с помощью CCDC. | Field |
Доступно с лицензией Image Analyst.
Доступно с лицензией Spatial Analyst.
Краткая информация
Создает файл определения классификатора Esri (.ecd) с использованием метода классификации K-ближайших соседей.
Классификатор K-ближайших соседей - это непараметрический метод классификации, который классифицирует пиксел или сегмент по множеству голосов его соседей. K - определенное количество соседей, используемых при голосовании.
Использование
Инструмент назначает обучающие выборки соответствующим классам. Класс входного пикселя определяется множеством голосов его K-ближайших соседей.
Любой поддерживаемый Esri растр принимается в качестве входных данных, включая растровые продукты, сегментированные растры, мозаики, сервисы изображений или наборы растровых данных в общих форматах. Сегментированные растры должны быть 8-битными растрами с тремя каналами.
Выходными данными этого инструмента является файл .ecd, который используется для классификации новых растров в инструменте Классификация растров. Затем инструмент Классифицировать растр вычисляет расстояние от каждого входного пиксела или сегмента до всех обучающих выборок.
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.
Чтобы создать файл обучающей выборки, используйте панель Менеджер обучающей выборки в раскрывающемся меню Инструменты классификации.
Для сегментированных растров, ключевое свойство которых задано как Сегментированный, инструмент вычисляет индексное изображение и связанные атрибуты сегмента из сегментированного растра RGB. Атрибуты вычисляются для создания файла определения классификатора, который должен быть использован в отдельном инструменте классификации. Атрибуты для каждого сегмента могут быть вычислены для любого, поддерживаемого Esri изображения.
Параметр Атрибуты сегмента активен только в том случае, когда одним из входных растровых слоёв является сегментированное изображение.
Параметры
TrainKNearestNeighborClassifier(in_raster, in_training_features, out_classifier_definition, {in_additional_raster}, {kNN}, {max_samples_per_class}, {used_attributes}, {dimension_value_field})| Имя | Описание | Тип данных |
in_raster | Набор растровых данных для классификации. Одноканальный растр или сегментированный растр, многоканальный растр или многомерный растр, подлежащий классификации. | Mosaic Layer; Raster 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 обучающие выборки. В файле обучающей выборки должны быть поля со следующими именами:
| Feature Layer |
out_classifier_definition | Файл .ecd в формате JSON, содержащий информацию об атрибутах, статистику или другую информацию для классификатора. | File |
in_additional_raster (Дополнительный) | Вспомогательные наборы растровых данных, такие как мультиспектральный снимок или ЦМР, будут добавлены для создания атрибутов и другой необходимой для классификатора информации. Это дополнительный параметр. | Raster Layer; Mosaic Layer; Image Service; String |
kNN (Дополнительный) | Количество соседей, которые будут использоваться при поиске для каждого входного пиксела или сегмента. Увеличение числа соседей уменьшит влияние отдельных соседей на результат классификации. Значение по умолчанию равно 1. | Long |
max_samples_per_class (Дополнительный) | Максимальное количество обучающих выборок, которые будут использоваться для каждого класса. Значение по умолчанию 1000 рекомендуется использовать, если входные данные представляют собой несегментированные растры. Значение, которое меньше или равно 0, означает, что система будет использовать все образцы из обучающих местоположений для обучения классификатора. | Long |
used_attributes [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. Если для входных данных инструмента используется только сегментированное изображение, то атрибутами по умолчанию будутCOLOR, 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 требуется для классификации растровых данных временных рядов с помощью выходного растра анализа изменений из инструмента Анализ изменений с помощью CCDC. | Field |
Пример кода
Пример скрипта Python для функции TrainKNearestNeighborClassifier.
# Import system modules
import arcpy
from arcpy.ia import *
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
# Execute
arcpy.ia.TrainKNearestNeighborClassifier("landsat.tif", "training_sample.shp", r"c:\data\trained_knn.ecd", 5, "COLOR;MEAN;STD;COUNT;COMPACTNESS;RECTANGULARITY")Это пример скрипта Python для функции TrainKNearestNeighborClassifier.
# Import system modules
import arcpy
from arcpy.ia import *
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
# Define input parameters
in_raster = r"C:/Data/ landsat.tif"
in_training_features = r"C:/Data/training_sample.shp"
out_classifier_definition = r"C:/Data/trained_knn.ecd"
number_of_neighbors = 5
attributes = "COLOR;MEAN;STD;COUNT;COMPACTNESS;RECTANGULARITY"
# Execute - train K-Nearest Neighbor Classifier
arcpy.ia.TrainKNearestNeighborClassifier(in_raster, in_training_features, out_classifier_definition,
number_of_neighbors, attributes)Параметры среды
Информация о лицензиях
- Basic: Обязательно Image Analyst или Spatial Analyst
- Standard: Обязательно Image Analyst или Spatial Analyst
- Advanced: Обязательно Image Analyst или Spatial Analyst