Mit der Spatial Analyst-Lizenz verfügbar.
Übersicht
Identifizieren Sie Features oder Segmente in Ihren Bilddaten durch Gruppieren benachbarter Pixel, die ähnliche Spektraleigenschaften oder räumliche Eigenschaften aufweisen. Zur besseren Ableitung von interessanten Features können Sie die Stärke der räumlichen und spektralen Glättung selbst bestimmen.
Hinweise
Das Eingabe-Raster muss 8 Bit und entweder ein oder drei Bänder aufweisen.
Für optimale Segmentierungsergebnisse empfiehlt es sich, einen Eingabe-Raster-Layer vorzubereiten, um interessante Features gut unterscheiden zu können:
- Geben Sie für ein Raster mit mehr als drei Bändern die optimale Bandkombination mit der Funktion Bänder extrahieren an.
- Strecken Sie die Bilddaten mit der Funktion Strecken, um die interessanten Features möglichst vorteilhaft anzuzeigen. Wenn Sie nicht über 8-Bit-Raster-Daten verfügen, verwenden Sie die Funktion Strecken, um 8 Bit ohne Vorzeichen als Ausgabepixeltyp auf der Registerkarte Allgemein der Funktion anzugeben.
Der Ausgabe-Layer der obigen Verarbeitungsschritte ist die Eingabe für die Funktion Mean Shift-Segmentierung.
Für das Trainingswerkzeug für Klassifizierungen muss das eingegebene segmentierte Raster-Dataset eine Datei sein. Machen Sie den Segmentierungs-Layer beständig, indem Sie auf Speichern unter klicken und einen Dateinamen für das segmentierte Raster zuweisen. Bei einem großen Eingabe-Layer kann die Verarbeitung des gesamten segmentierten Raster-Datasets lange dauern.
Parameter
| Parameter | Beschreibung |
|---|---|
Eingabe-Raster | Das zu segmentierende Eingabe-Raster. |
Spektraldetail | Die relative Gewichtung der Trennung von Objekten basierend auf Farbmerkmalen. Gültige Gleitkommawerte liegen zwischen 1,0 und 20,0 Grad. Kleinere Werte führen zu umfassenderen Klassen und zu mehr Glättung. Ein höherer Wert ist geeignet, wenn Sie zwischen Features unterscheiden möchten, die ähnliche Spektraleigenschaften aufweisen. Detailliertere spektrale Werte für eine Waldszene ermöglichen Ihnen beispielsweise eine bessere Unterscheidung der verschiedenen Baumarten. |
Räumliches Detail | Die relative Gewichtung der Trennung von Objekten basierend auf räumlichen Merkmalen. Zulässig sind ganzzahlige Werte im Bereich von 1 bis 20. Kleinere Werte führen zu umfassenderen Klassen und zu mehr Glättung. Ein höherer Wert ist geeignet, um zwischen Features zu unterscheiden, die räumlich klein und gruppiert sind. In einer städtischen Szene können Sie beispielsweise Features für allgemeine undurchlässige Oberflächen mit einem kleineren räumlichen Detailwert klassifizieren, oder Sie können Gebäude und Straßen als getrennte Klassen mit einem höheren räumlichen Detailwert klassifizieren. |
Minimale Segmentgröße in Pixel | Die minimale Segmentgröße gemessen in Pixel. Dieser Wert bezieht sich auf die minimale Kartenerstellungseinheit und filtert kleinere Pixelblöcke heraus. Alle Segmente, die kleiner sind als der angegebene Wert, werden dann mit dem am besten passenden Nachbarschaftssegment zusammengeführt. |
Nur Segmentgrenzen | Die Segmentgrenzen werden als schwarze Konturlinie um jedes Segment dargestellt. Das ist praktisch, um benachbarte Segmente voneinander zu unterscheiden, die gleiche Farben haben.
|