Maximum-Likelihood-Klassifikator trainieren—Hilfe

Mit der Spatial Analyst-Lizenz verfügbar.

Zusammenfassung
Verwendung
Syntax
Codebeispiel
Umgebung
Lizenzierungsinformationen

Zusammenfassung

Erstellen einer Esri Classifier Definition (.ecd)-Datei mithilfe der Definition für die Klassifikation mit dem Maximum-Likelihood-Klassifikator.

Verwendung

Um den Prozess der Maximum-Likelihood-Klassifizierung abzuschließen, verwenden Sie dasselbe Eingabe-Raster und sowie dieselbe Ausgabe- .ecd-Datei aus diesem Werkzeug im Werkzeug Raster klassifizieren.
Das Eingabe-Raster kann ein beliebiges von Esri unterstütztes Raster mit einer gültigen Bit-Tiefe sein.
Klicken Sie zum Erstellen eines segmentierten Raster-Datasets auf das Werkzeug Mean Shift-Segmentierung.
Verwenden Sie zum Erstellen von Trainingsgebieten den Trainingsgebiet-Manager auf der Werkzeugleiste Bildklassifizierung. Weitere Informationen zum Verwenden der Werkzeugleiste Bildklassifizierung finden Sie unter Was ist Bildklassifizierung?
Die Definitionsdatei für Ausgabe-Klassifikator (.ecd) enthält Attributstatistiken, die für das Werkzeug Maximum-Likelihood-Klassifizierung geeignet sind.
Segmentattribute sind nur dann aktiviert, wenn eine der Raster-Layer-Eingaben ein segmentiertes Bild ist.

Syntax

TrainMaximumLikelihoodClassifier (in_raster, in_training_features, out_classifier_definition, {in_additional_raster}, {used_attributes})

Parameter	Erläuterung	Datentyp
in_raster	Wählen Sie das Raster-Dataset aus, das klassifiziert werden soll.	Raster Dataset \| Segmented Raster \| Mosaic Dataset \| Raster Layer \| Mosaic Layer \| Image Service Layer
in_training_features	Wählen Sie die Trainingsgebietdatei bzw. den Trainingsgebiet-Layer aus, der Ihre Training-Sites abgrenzt. Die Eingabe-Trainingsgebietdatei ist die Standard-Trainingsgebietdatei, die mit den vorhandenen Trainings-Werkzeugen der Werkzeugleiste Bildklassifizierung von Spatial Analyst im Shapefile- oder Feature-Class-Format erstellt wird.	Feature Layer \| Raster Catalog Layer
out_classifier_definition	Dies ist eine JSON-Datei, die Attributinformationen, Statistiken, Hyperebenenvektoren und weitere für den Klassifikator erforderliche Daten enthält. Es wird eine Datei mit der Erweiterung .ecd erstellt.	File
in_additional_raster (optional)	Integrieren Sie optional Zusatz-Raster-Datasets wie ein segmentiertes Bild oder ein DEM.	Raster Dataset \| Segmented Raster \| Mosaic Dataset \| Raster Layer \| Mosaic Layer \| Image Service Layer
used_attributes (optional)	Geben Sie die Attribute an, die in die dem Ausgabe-Raster zugeordnete Attributtabelle aufgenommen werden sollen. Dieser Parameter ist nur aktiviert, wenn die Schlüsseleigenschaft SEGMENTED auf das Eingabe-Raster festgelegt ist. Wenn die einzige Eingabe für das Werkzeug ein segmentiertes Bild ist, lauten die Standardattribute COLOR, COUNT, COMPACTNESS und RECTANGULARITY. Wenn ein in_additional_raster ebenfalls als Eingabe mit einem segmentierten Bild einbezogen wird, sind die Optionen MEAN und STD verfügbar. COLOR —Die Farbe durchschnittlicher Chromatizität, segmentbezogen. MEAN —Der durchschnittliche Digitalnummernwert (DN), abgeleitet aus dem optionalen Pixelbild, segmentbezogen. STD —Die Standardabweichung, abgeleitet aus dem optionalen Pixelbild, segmentbezogen. COUNT —Die Anzahl der im Segment enthaltenen Pixel, segmentbezogen. COMPACTNESS —Der Grad der Kompaktheit oder Kreisförmigkeit eines Segments, segmentbezogen. Die Werte liegen zwischen 0 und 1, wobei 1 einem Kreis entspricht. RECTANGULARITY —Der Grad der Rechteckigkeit des Segments, segmentbezogen. Die Werte liegen zwischen 0 und 1, wobei 1 einem Rechteck entspricht.	String

Codebeispiel

TrainMaximumLikelihoodClassifier – Beispiel 1 (Python-Fenster)

Das folgende Skript veranschaulicht, wie dieses Werkzeug im Python-Fenster verwendet wird.

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")

TrainMaximumLikelihoodClassifier – Beispiel 2 (eigenständiges Skript)

In diesem Beispiel wird gezeigt, wie ein Maximum-Likelihood-Klassifikator trainiert wird.

# 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"

# Check out the ArcGIS Spatial Analyst extension license
arcpy.CheckOutExtension("Spatial")

# Execute 
TrainMaximumLikelihoodClassifier(inSegRaster, train_features, out_definition, 
                                 in_additional_raster, attributes)

Umgebung

Lizenzierungsinformationen

ArcGIS for Desktop Basic: Erfordert Spatial Analyst
ArcGIS for Desktop Standard: Erfordert Spatial Analyst
ArcGIS for Desktop Advanced: Erfordert Spatial Analyst