ArcGIS Image Analyst 地理处理工具列表

ArcGIS Image Analyst 扩展模块提供了 ArcGIS Pro 中的一整套地理处理工具。

地理处理工具

随 Image Analyst 扩展模块提供了大量地理处理工具。 这些工具按照下表中的功能相关性和关联工具集进行了分类。

变化检测

变化检测工具集包含用于在栅格数据集之间执行变化检测的工具。

“变化检测”工具集中的工具

工具	描述
使用 CCDC 分析变化	使用连续变化检测和分类 (CCDC) 方法评估像素值随时间的变化，并生成包含模型结果的变化分析栅格。
使用 LandTrendr 分析变化	使用基于 Landsat 的干扰和恢复趋势检测 (LandTrendr) 方法评估像素值随时间的变化，并生成包含模型结果的变化分析栅格。
计算变化栅格	计算两个栅格数据集之间的绝对、相对、分类或光谱差异。
使用更改分析栅格检测更改	可以利用使用 CCDC 分析变化工具或使用 LandTrendr 分析变化工具的输出变化分析栅格来生成包含像素变化信息的栅格。

分类和模式识别

“分类和模式识别”工具可用于查找、识别和量化影像数据中的模式。 可以对分割栅格或基于像素的栅格数据集执行经典统计和高级机器学习图像分类和回归分析。 同时提供其他工具以执行训练集合和分类精度调整及类地图优化。 下表列出了可用的分类和模式识别工具，并对每个工具进行了简要描述：

分类和模式识别工具集的工具

工具	描述
分类栅格	根据 Esri 分类器定义文件 (.ecd) 和栅格数据集输入对栅格数据集进行分类。 .ecd 文件包含执行 Esri 支持的特定类型分类所需的所有信息。 对此工具的输入必须与用于生成所需 .ecd 文件的输入相匹配。
使用光谱对栅格进行分类	使用光谱匹配方法对多波段栅格数据集进行分类。 输入光谱数据可以作为点要素类或 .json 文件提供。
计算混淆矩阵	使用漏分误差和错分误差计算混淆矩阵，然后派生出分类地图与参考数据之间的一致性 kappa 指数、交并比 (IoU) 和整体精度。
计算分割影像属性	计算一组与分割影像相关的属性。 输入栅格可以是单波段或 3 波段的8 位分割影像。
创建精度评估点	创建用于分类后精度评估的随机采样点。
从种子点生成训练样本	从种子点（如精度评估点或训练样本点）生成训练样本。 典型用例是从现有源（如专题栅格或要素类）生成训练样本。
检查训练样本	估计个人训练样本的精度。 交叉验证精度是使用 .ecd 文件中先前生成的分类训练结果及训练样本进行计算的。 输出包括以下内容：包含误分类类值的栅格数据集，包含每个训练样本精度得分的训练样本数据集。
线性光谱解混	用于执行亚像素分类和计算单个像素的不同土地覆被类型的分数丰度。
使用回归模型预测	使用训练随机树回归模型工具的输出预测数据值。
移除栅格影像分割块伪影	可校正作为栅格函数执行的分割过程中被切片边界切割的线段或对象。 该工具对于某些区域过程（例如影像分割）很有帮助，这些区域过程在影像切片边界附近会有不一致现象。 该加工过程包括在 Mean Shift 影像分割工具中，只应在非该工具制作的分割影像上使用。
均值漂移影像分割	将相邻并具有相似光谱特征的像素组合到一个分割块中。
训练 Iso 聚类分类器	使用 Iso 聚类分类定义生成 Esri 分类器定义文件 (.ecd)。
训练 K - 最近邻分类器	使用 K 最近邻 (KNN) 分类方法生成 Esri 分类器定义文件 (.ecd)。
训练最大似然法分类器	使用最大似然法分类器 (MLC) 分类定义生成 Esri 分类器定义文件 (.ecd)。
训练随机树分类器	使用随机树分类方法生成 Esri 分类器定义文件 (.ecd)。
训练随机树回归模型	使用随机树分析为解释变量与目标数据集之间的关系建模。
训练支持向量机分类器	使用支持向量机 (SVM) 分类定义生成 Esri 分类器定义文件 (.ecd)。
更新精度评估点	更新属性表中的 Target 字段，将参考点与分类的影像进行比较。

深度学习

深度学习工具使用人工神经网络中的多个图层来检测影像中的要素，其中每个图层能够提取影像中的一个或多个唯一要素。 下表列出了可用的“深度学习”工具，并对每个工具进行了简要描述：

深度学习工具集中的工具

工具	描述
使用深度学习分类对象	用于运行输入栅格和可选要素类上的训练深度学习模型，以生成要素类或表，其中每个输入对象或要素均具有一个分配的类或类别标注。
使用深度学习分类像素	用于运行输入栅格上的训练深度学习模型，以生成分类栅格，其中每个有效像素都被分配了一个类标注。
计算对象检测的精度	通过对深度学习检测对象使用工具检测到的对象和实际地表数据进行比较来计算深度学习模型的精度。
使用深度学习检测对象	用于运行输入栅格上的训练深度学习模型，以生成包含其找到对象的要素类。 这些要素可以是所找到对象周围的边界框或面，也可以是对象中心的点。
导出训练数据进行深度学习	使用遥感影像将标注的矢量或栅格数据转换为深度学习训练数据集。 输出为影像片文件夹和指定格式的元数据文件文件夹。
非极大值抑制	可将“使用深度学习检测对象”工具的输出中的重复要素识别为后处理步骤，并创建没有重复要素的新输出。
训练深度学习模型	使用导出训练数据进行深度学习工具的输出训练深度学习模型。

提取分析

“提取分析”工具集可用于根据像素的属性或其空间位置从栅格中提取像素的子集。

提取分析工具集中的工具

工具	描述
采样	创建一个表或点要素类，其中显示从一个栅格或一组栅格提取的已定义位置的像元值。 该位置由栅格像元、点、折线或面进行定义。

地图代数

“地图代数”是通过使用代数语言创建表达式以执行栅格分析的一种方法。 您可以使用栅格计算器工具创建表达式，从而构建能够输出栅格数据集的表达式。 “栅格计算器”使用 Python 语法构建并执行单个地图代数表达式。

有关栅格计算器的详细信息，请参阅地图代数工具集概述

数学分析

数学分析提供了超过 60 种数学工具，以用于对栅格数据集执行数学运算。 这些工具按照以下功能区域进行分组：

• 常规
• 条件分析
• 逻辑
  • 按位
  • 布尔
  • 组合
  • 逻辑
  • 关系
• 三角函数

数学分析（常规）

常规“数学”工具可对输入应用数学运算。 这些工具分为多个类别： 算术工具可执行基本的数学运算，例如加法和乘法。 还有几种工具可以执行各种类型的幂运算，除了基本的幂运算之外，还可以执行指数和对数运算。 其余工具可用于转换符号，或者用于在整型数据类型和浮点型数据类型之间进行转换。 下表列出了可用的常规“数学”工具，并对每个工具进行了简要描述。

常规数学工具集中的工具

工具	描述
Abs	计算栅格中像元的绝对值。
分割	逐个像元地对两个栅格的值进行整除。
Exp	计算栅格中像元的以 e 为底的指数。
Exp10	计算栅格中像元的以 10 为底的指数。
Exp2	计算栅格中各像元以 2 为底的指数。
浮点型	将每个栅格像元的值转换为浮点型表达形式。
整型	通过截断将栅格的每个像元值转换为整型。
Ln	计算栅格中各像元的自然对数（以 e 为底）。
Log10	计算栅格中各像元以 10 为底的对数。
Log2	计算栅格中各像元以 2 为底的对数。
减	逐个像元地从第一个输入栅格的值中减去第二个输入栅格的值。
求模	逐个像元地求出第一个栅格数据除以第二个栅格数据的余数(模)。
取反	逐个像元地更改输入栅格的像元值符号(乘以 -1)。
加	逐个像元地将两个栅格的值相加(求和)。
幂	对栅格中的像元值进行乘方运算，将结果作为另一栅格的值。
下舍入	返回栅格中每个像元的最近的较小整数值(以浮点表示)。
上舍入	返回栅格中每个像元的最近的较大整数值(以浮点表示)。
正方形	计算栅格中像元值的平方。
平方根	计算栅格中像元值的平方根。
乘	逐个像元地将两个栅格的值相乘。

数学分析（条件分析）

“条件数学”工具允许您基于在输入值上应用的条件对输出值进行控制。 可应用的条件有两种类型：针对属性的查询或基于列表中条件语句位置的条件。 下表列出了可用的“条件分析”工具，并对每个工具进行了简要描述。

条件分析数学工具集中的工具

工具	描述
条件函数	可对输入栅格的每个输入像元执行 if/else 条件评估。
选取函数	位置栅格数据的值用于确定要从输入栅格列表中的哪一个栅格获取输出像元值。
设为空函数	可根据指定条件将识别的像元位置设置为 NoData。 如果条件评估为真，则返回 NoData；如果条件评估为假，则返回由另一个栅格指定的值。

数学分析（逻辑运算）

逻辑数学工具可以对输入的值进行评估，并基于布尔逻辑确定输出值。 这些工具通过以下五种主要运算方式处理栅格数据集：按位、布尔、组合、逻辑和关系。 下表列出了可用的“逻辑数学”工具，并对每个工具进行了简要描述。

按位数学工具

工具	描述
按位与	对两个输入栅格的二进制值执行“按位与”运算。
按位左移	对两个输入栅格的二进制值执行“按位左移”运算。
按位非	对输入栅格的二进制值执行“按位非”（求反）运算。
按位或	对两个输入栅格的二进制值执行“按位或”运算。
按位右移	对两个输入栅格的二进制值执行“按位右移”运算。
按位异或	对两个输入栅格的二进制值执行“按位异或”运算。

布尔数学工具

工具	描述
布尔与	对两个输入栅格的像元值执行“布尔与”运算。 如果两个输入值都为真（非零），则输出值为 1。 如果一个或两个输入值为假（零），则输出值为 0。
布尔非	对此输入栅格的各像元值执行“布尔非”（求反）运算。 如果输入值为真（非零），则输出值为 0。 如果输入值为假（零），则输出值为 1。
布尔或	对两个输入栅格的像元值执行“布尔或”运算。 如果一个或两个输入值为真（非零），则输出值为 1。 如果两个输入值都为假（零），则输出值为 0。
布尔异或	对两个输入栅格的像元值执行“布尔异或”运算。 如果一个输入值为真（非零），而另一个输入值为假（零），则输出值为 1。 如果两个输入值都为真或都为假，则输出值为 0。

组合数学工具

工具	描述
组合与	对两个输入栅格的像元值执行“组合与”运算。 如果两个输入值都为真（非零），则输入值的每种唯一组合的输出是一个不同的值。 如果一个或两个输入都为假（零），则输出值为 0。
组合或	对两个输入栅格的像元值执行“组合或”运算。 如果一个输入值为真（非零），则输入值的每种唯一组合的输出是一个不同的值。 如果两个输入值均为假（零），则输出值为 0。
组合异或	对两个输入栅格的像元值执行“组合异或”运算。 如果一个输入值为真（非零），而另一个输入值为假（零），则输入值的每种唯一组合的输出是一个不同的值。 如果两个输入都为真，或两个都为假，则输出值为 0。

关系数学工具

工具	描述
等于	以逐个像元比较的方式对两个输入执行关系等于运算。 如果第一个栅格数据等于第二个栅格数据则为像元返回 1，否则返回 0。
大于	以逐个像元比较的方式对两个输入执行关系大于运算。 如果第一个栅格数据大于第二个栅格数据则为像元返回 1，否则返回 0。
大于等于	以逐个像元比较的方式对两个输入执行关系大于或等于运算。 如果第一个栅格数据大于或等于第二个栅格数据则为像元返回 1，否则返回 0。
小于	以逐个像元比较的方式对两个输入执行关系小于运算。 如果像元中第一个栅格数据小于第二个栅格数据，则返回 1，否则返回 0。
小于等于	以逐个像元比较的方式对两个输入执行关系小于或等于运算。 如果第一个栅格数据小于或等于第二个栅格数据则为栅格返回 1，否则返回 0。
不等于	以逐个单元比较的方式对两个输入执行关系不等于运算。 在第一个栅格不等于第二个栅格时为像元返回 1，否则返回 0。

逻辑数学工具

工具	描述
差异	以逐个像元比较的方式，确定第一个输入的哪些值与第二个输入的值在逻辑上不同。 如果两个输入值不同，则输出第一个输入的值。 如果两个输入的值相同，则输出为 0。
InList	逐个像元来确定第一个输入栅格中的哪些值同样包含在该组的其他输入栅格中。 对于每个像元，如果在任何其他输入列表中找到第一个输入栅格的值，则该值将分配给输出栅格。 如果没有找到，则输出像元将为 NoData。
为空	逐个像元来确定输入栅格中哪些值为 NoData。 如果输入值为 NoData，则返回 1，否则返回 0。
Over	对于第一个输入中不为 0 的像元值，输出值将是第一个输入的值。 如果该像元值为 0，输出值将是第二个输入栅格对应像元的值。
条件测试	使用逻辑表达式对输入栅格执行布尔评估。 如果该表达式评估结果为真，则输出像元值为 1。 如果该表达式评估结果为假，则输出像元值为 0。

数学分析（三角函数）

“三角函数数学”工具对输入栅格值执行各种三角函数计算。 下表列出了可用的“三角函数数学”工具，并对每个工具进行了简要描述。

三角函数数学工具集中的工具

工具	描述
ACos	计算栅格中像元的反余弦值。
ACosH	计算栅格中像元的反双曲余弦值。
ASin	计算栅格中像元的反正弦值。
ASinH	计算栅格中像元的反双曲正弦值。
ATan	计算栅格中像元的反正切值。
ATan2	计算栅格中像元的反双曲正切值。
ATanH	计算栅格中像元的反双曲正切值。
Cos	计算栅格中各像元的余弦值。
CosH	计算栅格中像元的双曲余弦值。
Sin	计算栅格中各像元的正弦值。
SinH	计算栅格中各像元的双曲正弦值。
Tan	计算栅格中像元的正切值。
TanH	计算栅格中像元的双曲正切值。

动态视频影像

“动态视频影像”工具集包含用于管理、处理和分析动态视频影像（包括全动态视频数据）的工具。 下表列出了可用的“动态视频影像”工具，并对每个工具进行了简要描述。

动态视频影像工具集中的工具

工具	描述
将帧提取为图像	从兼容 FMV 的视频流中提取视频帧图像和关联的元数据，并将数据保存到目录中。
视频元数据至要素类	从兼容 FMV 的视频中提取平台、帧中心、帧轮廓和属性元数据，并将要素数据保存到目录中。
视频多路复用器	创建一个视频文件，从而将存档视频流文件和按照时间戳同步的关联元数据文件相结合。

多维分析

“多维分析”工具集中的工具可用于对多个变量和维度的科学数据执行分析。 下表列出了可用的“多维分析”工具，并对每个工具进行了简要描述。

多维分析工具集中的工具

工具	描述
聚合多维栅格	通过沿维度组合现有多维栅格变量来生成多维栅格数据集。
维度移动统计数据	在沿指定维度的多维数据的移动窗口上计算统计数据。
查找参数统计信息	用于为多维或多波段栅格中的每个像素提取达到给定统计量的维度值或波段指数。
生成多维异常	用于计算现有多维栅格中每个剖切的异常，以生成新的多维栅格。
生成趋势栅格	用于面向多维栅格中一个或多个变量估计每个像素沿维度的趋势。
多维主成分分析	减少可解释整个多维栅格变化的主成分数量，以便轻松识别空间和时间模式。
使用趋势栅格预测	使用来自生成趋势栅格工具的输出趋势栅格来计算预测多维栅格。
汇总分类栅格	用于生成一个表，其中包含输入分类栅格的每个剖切片中，每个类的像素计数。

叠加分析

“叠加”工具集中的工具对多个叠加栅格执行多种运算。 下表列出了可用的“叠加”工具，并对每个工具进行了简要描述。

叠加工具集中的工具

工具	描述
加权总和	通过将栅格各自乘以指定的权重并合计在一起来叠加多个栅格。

统计数据

使用“统计”工具在本地、邻域或分区基础上执行统计栅格运算。 下表列出了执行统计分析的工具，并对每个工具进行了简要描述。

统计分析工具集中的工具

工具	描述
像元统计	根据多个栅格计算每个像元的统计数据。 可用的统计数据包括众数、最大值、平均值、中值、最小值、少数、百分比数、范围、标准差、总和及变异度。
查找参数统计信息	可以提取在多维栅格数据集的栅格堆栈中达到特定统计数据的维度值（例如日期、高度或深度）。
焦点统计数据	为每个输入像元位置计算其周围指定邻域内的值的统计数据。
分区统计	用于汇总另一个数据集区域内的栅格数据值。

合成孔径雷达

ArcGIS 地理处理工具集包含校正、处理和分析合成孔径雷达 (SAR) 数据的工具。 下表列出了可用的合成孔径雷达工具及其简要描述。

合成孔径雷达工具集中的工具

工具	描述
应用几何地形校正	使用距离多普勒反向地理编码算法对输入合成孔径雷达 (SAR) 数据进行正射校正。
应用轨道校正	使用更准确的轨道状态矢量 (OSV) 文件更新合成孔径雷达 (SAR) 数据集中的轨道信息。
应用辐射校准	通过使用参考平面归一化反射率，将输入合成孔径雷达 (SAR) 反射率转换为归一化反向散射的物理单位。
应用辐射地形扁率	校正由于地形引起辐射变型的输入合成孔径雷达 (SAR) 数据。
转换 SAR 单位	在振幅和强度之间以及线性和分贝 (dB) 之间转换输入合成孔径雷达 (SAR) 数据的比例。
创建彩色合成	从多波段栅格数据集创建三波段栅格数据集。
Despeckle	针对噪声校正输入合成孔径雷达 (SAR) 数据，噪声是连贯照明的结果，类似于颗粒状或椒盐效应。
下载轨道文件	下载输入合成孔径雷达 (SAR) 数据的更新轨道文件。
移除热噪声	校正输入合成孔径雷达 (SAR) 数据中由热噪声引起的反向散射干扰，从而生成更加流畅的图像。