训练 K 最近邻域分类器 (Spatial Analyst)

获得 Image Analyst 许可后可用。

需要 Spatial Analyst 许可。

摘要

使用 K 最近邻 (KNN) 分类方法生成 Esri 分类器定义文件 (.ecd)。

K - 最近邻域分类器是一种非参数分类方法,它通过其邻域的多数票对像素或线段进行分类。 K 是定义的投票中所用邻域的数量。

使用情况

  • 此工具将训练样本分配到相应类别。 输入像素的类别取决于其 K 最近邻域的多数票。

  • 任何 Esri 支持的栅格都可用作输入,包括栅格产品、分割栅格、镶嵌、影像服务和通用栅格数据集。 分隔栅格必须为 8 位三波段栅格。

  • 此工具的输出为 .ecd 文件,用于在分类栅格工具中对新栅格进行分类。 然后,分类栅格工具将计算从每个输入像素或线段到所有训练样本的距离。

    训练样本数据必须通过训练样本管理器多次进行收集。 训练样本要素类的一个字段中列出了每个样本的维度值,该字段在维度值字段参数中指定。

  • 要创建训练样本文件,请使用分类工具下拉菜单中的训练样本管理器窗格。

  • 对于关键属性设置为分割的分割栅格,此工具将计算 RGB 分割栅格中的索引影像及相关的分割影像属性。 计算的属性将用于生成要在独立分类工具中使用的分类器定义文件。 可根据任意 Esri 支持的影像计算每个分段的属性。

  • 仅在其中一个栅格图层输入为分隔影像的情况下激活分割属性参数。

参数

标注说明数据类型
输入栅格

待分类的栅格数据集。

要分类的单波段栅格或分割栅格、多波段栅格或多维栅格。

Mosaic Layer; Raster Layer; Image Service; String
输入训练样本文件

用于描绘训练场的训练样本文件或图层。

它们可以是包含训练样本的 shapefile 或要素类。 训练样本文件中需要以下字段名称:

  • classname- 指示类类别名称的文本字段
  • classvalue- 包含每个类类别的整数值的长整型字段

Feature Layer
输出分类器定义文件

包含属性信息、统计数据和分类器的其他信息的 JSON 格式的 .ecd 文件。

File
附加输入栅格
(可选)

将对其他栅格数据集(如多光谱影像或 DEM)进行整合,从而为分类生成属性和其他所需信息。 设置此参数属于可选操作。

Raster Layer; Mosaic Layer; Image Service; String
K 最近邻域
(可选)

将用于搜索每个输入像素或线段的邻域数。 增加邻域的数量将降低单个邻域对分类结果的影响。 默认值为 1。

Long
每个类的最大样本数
(可选)

将用于每个类的最大训练样本数。 如果输入为非分割栅格,建议使用默认值 1000。 值小于或等于 0 表示系统将使用训练场中的所有样本来训练分类器。

Long
分割影像属性
(可选)

指定要包括在与输出栅格相关联的属性表中的属性。

仅当在输入栅格上将分割关键属性设置为 true 时,此参数才会激活。 如果该工具中的唯一输入是分割影像,则默认属性为聚合颜色像素计数紧密度垂直度。 如果将附加输入栅格值作为输入与分割影像一起添加进来,则还可以使用平均数字值标准差属性。

  • 聚合颜色RGB 颜色值将基于每个分割从输入栅格获取。 这也称为平均色度。
  • 平均数字值基于每个分割,将从可选像素图像中获取的平均数字值 (DN)。
  • 标准差基于每个分割,将从可选像素影像中获取的标准差。
  • 像素计数基于每个分割,构成分割的像素数。
  • 紧密度基于每个分割,决定分割为紧凑型还是圆形的度数。 值的范围从 0 到 1,1 表示圆形。
  • 垂直度基于每个分割,决定分割为矩形的度数。 值的范围从 0 到 1,1 表示矩形。
String
维度值字段
(可选)

在输入训练样本要素类中包含尺寸值。

使用 Image Analyst 工具箱中使用 CCDC 分析变化工具的变化分析栅格输出来分类栅格数据的时间序列时,需要使用此参数。

Field

TrainKNearestNeighborClassifier(in_raster, in_training_features, out_classifier_definition, {in_additional_raster}, {kNN}, {max_samples_per_class}, {used_attributes}, {dimension_value_field})
名称说明数据类型
in_raster

待分类的栅格数据集。

要分类的单波段栅格或分割栅格、多波段栅格或多维栅格。

Mosaic Layer; Raster Layer; Image Service; String
in_training_features

用于描绘训练场的训练样本文件或图层。

它们可以是包含训练样本的 shapefile 或要素类。 训练样本文件中需要以下字段名称:

  • classname- 指示类类别名称的文本字段
  • classvalue- 包含每个类类别的整数值的长整型字段

Feature Layer
out_classifier_definition

包含属性信息、统计数据和分类器的其他信息的 JSON 格式的 .ecd 文件。

File
in_additional_raster
(可选)

将对其他栅格数据集(如多光谱影像或 DEM)进行整合,从而为分类生成属性和其他所需信息。 设置此参数属于可选操作。

Raster Layer; Mosaic Layer; Image Service; String
kNN
(可选)

将用于搜索每个输入像素或线段的邻域数。 增加邻域的数量将降低单个邻域对分类结果的影响。 默认值为 1。

Long
max_samples_per_class
(可选)

将用于每个类的最大训练样本数。 如果输入为非分割栅格,建议使用默认值 1000。 值小于或等于 0 表示系统将使用训练场中的所有样本来训练分类器。

Long
used_attributes
[used_attributes;used_attributes,...]
(可选)

指定要包括在与输出栅格相关联的属性表中的属性。

  • COLORRGB 颜色值将基于每个分割从输入栅格获取。 这也称为平均色度。
  • MEAN基于每个分割,将从可选像素图像中获取的平均数字值 (DN)。
  • STD基于每个分割,将从可选像素影像中获取的标准差。
  • COUNT基于每个分割,构成分割的像素数。
  • COMPACTNESS基于每个分割,决定分割为紧凑型还是圆形的度数。 值的范围从 0 到 1,1 表示圆形。
  • RECTANGULARITY基于每个分割,决定分割为矩形的度数。 值的范围从 0 到 1,1 表示矩形。

仅当在输入栅格上将分割关键属性设置为 true 时,此参数才可用。 如果仅对此工具输入分割影像,则默认属性为 COLORCOUNTCOMPACTNESSRECTANGULARITY。 如果将 in_additional_raster 值作为输入与分割影像一起添加进来,则还可以使用 MEANSTD 属性。

String
dimension_value_field
(可选)

在输入训练样本要素类中包含尺寸值。

使用 Image Analyst 工具箱中使用 CCDC 分析变化工具的变化分析栅格输出来分类栅格数据的时间序列时,需要使用此参数。

Field

代码示例

TrainKNearestNeighborClassifier 示例 1(Python 窗口)

这是 TrainKNearestNeighborClassifier 函数的 Python 示例。

# Import system modules 
import arcpy 
from arcpy.sa import * 
 
# Check out the ArcGIS Spatial Analyst extension license 
arcpy.CheckOutExtension("Spatial") 
 
# Execute  
arcpy.sa.TrainKNearestNeighborClassifier("landsat.tif", "training_sample.shp", r"c:\data\trained_knn.ecd", 5, "COLOR;MEAN;STD;COUNT;COMPACTNESS;RECTANGULARITY")
TrainKNearestNeighborClassifier 示例 2(独立脚本)

这是 TrainKNearestNeighborClassifier 函数的 Python 脚本。

# Import system modules 
import arcpy 
from arcpy.sa import * 
 
# Check out the ArcGIS Spatial Analyst extension license 
arcpy.CheckOutExtension("Spatial") 
 
# 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.sa.TrainKNearestNeighborClassifier(in_raster, in_training_features, 
                                         out_classifier_definition, 
                                         number_of_neighbors, attributes)

许可信息

  • Basic: 需要 Spatial Analyst 或 Image Analyst
  • Standard: 需要 Spatial Analyst 或 Image Analyst
  • Advanced: 需要 Spatial Analyst 或 Image Analyst

相关主题