| Подпись | Описание | Тип данных |
Входной растр | Набор растровых данных для классификации. | Raster Layer; Mosaic Layer; Image Service; String |
Входной файл обучающей выборки | Выберите 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 Конвергированный цвет, Число пикселов, Компактность и Прямоугольность. 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 в наборе инструментов Image Analyst. | 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 из ниспадающего 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.
Необходим двухшаговый процесс, чтобы классифицировать растровые данные временных рядов с помощью алгоритма Непрерывное определение и классификаций изменений (CCDC). Сначала запустите инструмент Анализировать изменения с помощью CCDC, который доступен с лицензией дополнительного модуля Image Analyst. Далее используйте результаты как входные данные для этого инструмента обучения.
Обучающие выборки данных должны быть собраны за несколько раз с помощью Менеджера обучающих выборок. Значение размерности для каждой выборки указано в поле в векторном классе обучающих выборок, которое задано параметром Поле значения размерности.
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 | Выберите 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 (Segmented). 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 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)Параметры среды
Информация о лицензиях
- Basic: Обязательно Spatial Analyst или Image Analyst
- Standard: Обязательно Spatial Analyst или Image Analyst
- Advanced: Обязательно Spatial Analyst или Image Analyst