| Подпись | Описание | Тип данных |
Входной растр | Набор растровых данных для классификации. | Raster Layer; Mosaic 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 | Выходной файл формата JSON будет содержать информацию об атрибутах, статистику, гиперплоскостные векторы и другую информацию, необходимую для классификатора. Будет создан файл .ecd. | File |
Дополнительный входной растр (Дополнительный) | Включает вспомогательные наборы растровых данных, например, сегментированное изображение или ЦМР. Это дополнительный параметр. | Raster Layer; Mosaic Layer; Image Service; String |
Используемые атрибуты сегментов (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 Spatial Analyst.
Доступно с лицензией Image Analyst.
Краткая информация
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 Средний сдвиг сегмента.
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 активен только в том случае, когда одним из входных растровых слоёв является сегментированное изображение.
Чтобы классифицировать растровые данные временных рядов с помощью алгоритма Непрерывное определение и классификаций изменений (CCDC), сначала запустите инструмент Анализировать изменения с помощью CCDC и используйте выходной растр анализа изменений как входной 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.
Параметры
TrainMaximumLikelihoodClassifier(in_raster, in_training_features, out_classifier_definition, {in_additional_raster}, {used_attributes}, {dimension_value_field})| Имя | Описание | 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 обучающие выборки. В файле обучающей выборки должны быть поля со следующими именами:
| Feature Layer |
out_classifier_definition | Выходной файл формата JSON будет содержать информацию об атрибутах, статистику, гиперплоскостные векторы и другую информацию, необходимую для классификатора. Будет 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. 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
В следующем скрипте окна Python показано, как используется инструмент TrainMaximumLikelihoodClassifier.
import arcpy
from arcpy.ia import *
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
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.ia import *
"""
Usage: TrainMaximumLikelihoodClassifier(in_raster, in_training_features, out_classifier_definition,
{in_additional_raster}, {used_attributes})
"""
# 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"
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
# 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.ia import *
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
# Define input parameters
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.ia.TrainMaximumLikelihoodClassifier(
in_changeAnalysisRaster, train_features, out_definition,
additional_raster, attributes, dimension_field)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