Disponible con una licencia de Spatial Analyst.
Resumen
Genera un archivo de definición de clasificador de Esri (.ecd) utilizando la definición de clasificación de Clúster ISO.
Esta herramienta realiza una clasificación no supervisada.
Uso
Se acepta como entrada cualquier ráster compatible con Esri, incluidos productos de ráster, rásteres segmentados, mosaicos, servicios de imágenes o datasets ráster genéricos. Los rásteres segmentados deben tener 8 bits y 3 bandas.
El parámetro Atributos de segmento solo está habilitado si una de las entradas de capa ráster es una imagen segmentada.
Sintaxis
TrainIsoClusterClassifier(in_raster, max_classes, out_classifier_definition, {in_additional_raster}, {max_iterations}, {min_samples_per_cluster}, {skip_factor}, {used_attributes}, {max_merge_per_iter}, {max_merge_distance})
Parámetro | Explicación | Tipo de datos |
in_raster | El dataset ráster a clasificar. | Raster Layer; Mosaic Layer; Image Service; String |
max_classes | Número máximo de clases deseadas para agrupar píxeles o segmentos. Se debe definir de modo que sea mayor que el número de clases de la leyenda. Puede que obtenga menos clases que las que especificó para este parámetro. Si necesita más, aumente este valor y agregue clases una vez que finalice el proceso de formación. | Long |
out_classifier_definition | El archivo JSON de salida que contiene información de atributos, estadísticas, vectores de hiperplano y otra información requerida por el clasificador. Se crea un archivo .ecd. | File |
in_additional_raster (Opcional) | Incorpore datasets ráster secundarios, como una imagen multiespectral o un DEM, para generar atributos y otra información necesaria para la clasificación. Este parámetro es opcional. | Raster Layer; Mosaic Layer; Image Service; String |
max_iterations (Opcional) | Número máximo de iteraciones para ejecutar el proceso de clustering. El rango recomendado está entre 10 y 20 iteraciones. Al aumentar este valor, el tiempo de procesamiento aumentará linealmente. | Long |
min_samples_per_cluster (Opcional) | Número mínimo de píxeles o segmentos en un clúster o clase válidos. Se ha demostrado que el valor predeterminado de 20 es efectivo a la hora de crear clases significativas desde el punto de vista estadístico. Este número se puede aumentar para obtener clases más resistentes, pero ello puede limitar el número total de clases que se crean. | Long |
skip_factor (Opcional) | Número de píxeles a ignorar para una entrada de imagen de píxeles. Si una imagen segmentada es una entrada, especifique el número de segmentos a ignorar. | Long |
used_attributes [used_attributes;used_attributes,...] (Opcional) | Especifica los atributos a incluir en la tabla de atributos asociada con el ráster de salida.
Este parámetro solo está habilitado si la propiedad clave Segmentado se establece en true en el ráster de entrada. Si la única entrada en la herramienta es una imagen segmentada, los atributos predeterminados son COLOR, COUNT, COMPACTNESS y RECTANGULARITY. Si se incluye un in_additional_raster como entrada junto a la imagen segmentada, también están disponibles los atributos MEAN y STD. | String |
max_merge_per_iter (Opcional) | El número máximo de fusiones de clúster por iteración. Si se aumenta la cantidad de fusiones, se reducirá la cantidad de clases que se crean. Un valor más bajo generará más clases. | Long |
max_merge_distance (Opcional) | La distancia máxima entre centros de clúster en el espacio de entidades. Si se aumenta la distancia se podrán fusionar más clústeres y se obtendrán menos clases. Un valor más bajo generará más clases. Los valores de 0 a 5 tienden a dar los mejores resultados. | Double |
Muestra de código
Ejemplo 1 de TrainIsoClusterClassifier (ventana de Python)
En el siguiente script de la ventana de Python se utiliza un clasificador de clúster ISO para crear un archivo de definición de clasificación de Esri no supervisado con un máximo de diez clases.
import arcpy
from arcpy.sa import *
TrainIsoClusterClassifier("c:/test/moncton_seg.tif", "10",
"c:/output/moncton_sig_iso.ecd","c:/test/moncton.tif",
"5", "10", "2", "COLOR;MEAN;STD;COUNT;COMPACTNESS;RECTANGULARITY")
Ejemplo 2 de TrainIsoClusterClassifier (script independiente)
En este ejemplo de script se utiliza un clasificador de clúster ISO para crear un archivo de definición de clasificación de Esri no supervisado con un máximo de diez clases.
# Import system modules
import arcpy
from arcpy.sa import *
# Set local variables
inSegRaster = "c:/test/moncton_seg.tif"
maxNumClasses = "10"
out_definition = "c:/output/moncton_sig_iso.ecd"
in_additional_raster = "moncton.tif"
maxIteration = "20"
minNumSamples = "10"
skipFactor = "5"
attributes = "COLOR;MEAN;STD;COUNT;COMPACTNESS;RECTANGULARITY"
# Check out the ArcGIS Spatial Analyst extension license
arcpy.CheckOutExtension("Spatial")
# Execute
TrainIsoClusterClassifier(inSegRaster, maxNumClasses, out_definition,
in_additional_raster, maxIteration,
minNumSamples, skipFactor, attributes)
Entornos
Información de licenciamiento
- Basic: Requiere Spatial Analyst
- Standard: Requiere Spatial Analyst
- Advanced: Requiere Spatial Analyst