| Подпись | Описание | Тип данных |
Входной растр | Многоканальное изображение. Информация о длине волны необходима, если целевые спектры представляют собой файл библиотеки, а растр отражательной способности поверхности рекомендуется использовать, если данные целевых спектров взяты из спектральной библиотеки. | Mosaic Layer; Raster Layer; Image Service; Raster Dataset; Mosaic Dataset |
Входной файл спектров | Файл спектральной сигнатуры. Входными данными может быть файл спектральной библиотеки, содержащий спектральные сигнатуры, или класс объектов, созданный в результате рабочего процесса сбора спектральных данных. | Feature Layer; File |
Выходной растр оценки | Набор растровых данных, содержащий оценки соответствия из входного изображения и файла спектральной сигнатуры. Если входной растр имеет несколько спектральных сигнатур, выходной растр будет многоканальным с одним каналом на сигнатуру. Диапазон оценок соответствия составляет от 0 до 1 в виде числа с плавающей точкой, где большие значения, приближающиеся к 1, соответствуют совпадению с высокой вероятностью. Используйте расширение файла, чтобы задать выходной формат, например .tif (TIFF), .crf (CRF) и .dat (ENVI DAT). | Raster Dataset |
Метод выявления (Дополнительный) | Указывает метод, который будет использован для вычисления оценок соответствия из входного изображения и файла спектральной сигнатуры. Все оценки нормализованы в диапазоне от 0 до 1, при этом более высокая оценка означает лучшее соответствие.
| String |
Удалить континуум (Дополнительный) | Указывает, будут ли спектры нормализованы на основе изображения или базовых данных.
| Boolean |
Доступно с лицензией Image Analyst.
Краткая информация
Определяет пиксели на изображении, соответствующие спектральной сигнатуре.
Использование
Инструмент вычисляет оценку соответствия для каждого пикселя и выводит растр оценки соответствия.
Этот инструмент поддерживает несколько форм входных спектров, включая файл спектральной библиотеки Esri (.esl), созданный с помощью панели Обзор спектральной библиотеки или инструмента Spectral Viewer, или класс объектов, созданный с помощью панели Менеджер обучающих выборок.
Количество каналов во входном изображении и входных спектральных данных должно совпадать, если входные спектры представляют собой класс объектов обучающей выборки.
Если файл библиотеки содержит несколько спектральных сигнатур, на выходе получится многоканальный растр.
Если входные спектры взяты из файла спектральной библиотеки (.esl или .sli), то будет применен спектральный пересчет с использованием метода усреднения каналов, если количество каналов не совпадает. Вы также можете изменить разрешение спектров с помощью инструмента Изменить разрешение библиотечных спектров.
Если спектральные данные взяты из спектральной библиотеки, в которой значения отражения находятся в диапазоне от 0 до 1, например, из спектральной библиотеки USGS, то входной растр отражательной способности поверхности также должен содержать значения от 0 до 1.
Если входное изображение не в пределах значений 0-1, например, 8 или 16 бит, рекомендуется собрать спектральную сигнатуру материала из изображения с помощью инструмента Спектральный вьюер. Можно также отметить параметр Удалить континуум, чтобы нормализовать спектры.
Описанные ниже опции параметра Метод выявления позволяют рассчитать оценки соответствия между входным изображением и файлом спектральной сигнатуры:
- SAM — метод Сопоставления спектральных углов измеряет угол между целевым спектром и спектром пикселя. Эта опция нечувствительна к изменениям освещения.
- SID — метод Расхождения спектральной информации измеряет расхождение между распределениями вероятностей целевого спектра, деленными на спектр пикселей. Эта опция эффективна при определении спектров смешанных пикселей.
- SID-SAM — вычисляется произведение показателя Расхождения спектральной информации и тангенса показателя Сопоставления спектральных углов. Эта опция имеет лучшую дискриминационную способность по сравнению с опциями SID и SAM по отдельности.
- NS3 — метод Нормализованное спектральное сходство вычисляет оценку спектрального соответствия на основе евклидова расстояния и оценки Сопоставления спектральных углов. Эта опция обладает высокой дискриминационной способностью, но для высокой точности требует обширных базовых данных.
- ACE — метод Адаптивный косинусоидальный оператор оценки оценивает сходство между целевым вектором (представляющим интересующий объект) и спектральной сигнатурой пикселя после нормализации с учетом фонового шума. Используйте эту опцию, если на гиперспектральном изображении имеется значительный фоновый шум.
- CEM — метод Ограниченной минимизации энергии использует фильтр с конечной импульсной характеристикой (FIR), реакция которого на спектр пикселей тем выше, чем спектр больше похож на целевой. Используйте этот вариант, когда фоновый шум минимален.
- MF — метод Согласованного фильтра использует FIR-фильтр, реакция которого на спектр пикселей с вычетом среднего значения тем выше, чем спектр больше похож на целевой спектр с вычетом среднего значения. Используйте этот вариант, когда фоновый шум представляет собой аддитивный белый гауссов шум.
Если отмечен параметр Удалить континуум, поверх спектра устанавливается выпуклая оболочка с помощью прямолинейных сегментов, соединяющих локальные максимумы спектра. Континуум будет удален путем деления его на фактический спектр для каждого пикселя изображения и входные спектры. Это позволяет сравнивать характеристики абсорбции с общей линией базиса.
Параметры
DetectTargetUsingSpectra(in_raster, in_spectra, out_score_raster, {method}, {remove_continuum})| Имя | Описание | Тип данных |
in_raster | Многоканальное изображение. Информация о длине волны необходима, если целевые спектры представляют собой файл библиотеки, а растр отражательной способности поверхности рекомендуется использовать, если данные целевых спектров взяты из спектральной библиотеки. | Mosaic Layer; Raster Layer; Image Service; Raster Dataset; Mosaic Dataset |
in_spectra | Файл спектральной сигнатуры. Входными данными может быть файл спектральной библиотеки, содержащий спектральные сигнатуры, или класс объектов, созданный в результате рабочего процесса сбора спектральных данных. | Feature Layer; File |
out_score_raster | Набор растровых данных, содержащий оценки соответствия из входного изображения и файла спектральной сигнатуры. Если входной растр имеет несколько спектральных сигнатур, выходной растр будет многоканальным с одним каналом на сигнатуру. Диапазон оценок соответствия составляет от 0 до 1 в виде числа с плавающей точкой, где большие значения, приближающиеся к 1, соответствуют совпадению с высокой вероятностью. Используйте расширение файла, чтобы задать выходной формат, например .tif (TIFF), .crf (CRF) и .dat (ENVI DAT). | Raster Dataset |
method (Дополнительный) | Указывает метод, который будет использован для вычисления оценок соответствия из входного изображения и файла спектральной сигнатуры. Все оценки нормализованы в диапазоне от 0 до 1, при этом более высокая оценка означает лучшее соответствие.
| String |
remove_continuum (Дополнительный) | Указывает, будут ли спектры нормализованы на основе изображения или базовых данных.
| Boolean |
Пример кода
В этом примере спектральная сигнатура сравнивается с гиперспектральным изображением с помощью опции SAM, и создается растр оценок сопоставления.
# Import system modules
import arcpy from arcpy.ia import *
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")
# Execute
out_score_raster = arcpy.ia. DetectTargetUsingSpectra(r“c:\data\aviris_image.tif”, r”C:\data\oaks_from_usgs.esl, “SAM”, “NO_REMOVE_CONTINUUM”)
out_score_raster.save(r”c:\data\result.tif”)В этом примере спектральная сигнатура сравнивается с гиперспектральным изображением с помощью опции SAM, и создается растр оценок сопоставления.
# Import system modules
import arcpy
from arcpy.ia import *
# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst") # Execute
#Define variables
InputImage = r“c:\data\ aviris_image.tif”
targetSpectra= r”c:\data\oaks_from_usgs.esl”
outputScoreRaster = r”c:\data\score_raster.tif”
Method=”SAM”
removeContinuum = “NO_REMOVE_CONTINUUM”
#Execute
out_score_raster = arcpy.ia. DetectTargetUsingSpectra (in_raster= InputImage,
in_spectra= targetSpectra,
method= Method,
remove_condimuum= removeContinuum)
out_score_raster.save(outputScoreRaster)Параметры среды
Информация о лицензиях
- Basic: Обязательно Image Analyst
- Standard: Обязательно Image Analyst
- Advanced: Обязательно Image Analyst