Классификатор изокластера с обучением—Справка

Краткая информация
Использование
Синтаксис
Пример кода
Параметры среды
Информация о лицензиях

Краткая информация

Создает файл определения классификатора Esri (.ecd) с использованием определения классификации Изокластер.

Классификатор Изокластер выполняет неконтролируемую классификацию. Этот классификатор может обрабатывать очень большие сегментированные изображения, описательная таблица которых может стать большой. Кроме того, этот инструмент может принимать сегментированный растр RGB из стороннего приложения. Инструмент работает на стандартных, поддерживаемых Esri растровых файлах без ограничений, а также на сегментированных наборах растровых данных.

Использование

Любой поддерживаемый Esri растр принимается в качестве входных данных, включая растровые продукты, сегментированный растр, мозаики, сервисы изображений или наборы растровых данных в общих форматах. Сегментированные растры должны быть 8-битными с 3 каналами.
Параметр Атрибуты сегмента включен только в том случае, когда одним из входных растровых слоёв является сегментированное изображение.

Синтаксис

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})

Параметр	Объяснение	Тип данных
in_raster	Выберите набор растровых данных, который вы хотите классифицировать. Предпочтительными входными данными является 3-х канальный 8-битный сегментированный набор растровых данных, в котором все пикселы в том же сегменте имеют тот же цвет. Входными данными может также являться одноканальный 8-битный сегментированный растр в шкале серых оттенков. Если сегментированный растр недоступен, то вы можете использовать любой поддерживаемый Esri набор растровых данных	Raster Layer \| Mosaic Layer
max_classes	Максимальное количество требуемых классов для группировки пикселов или сегментов. Его следует задавать на основе числа классов в легенде. Возможно, что вы получите меньше классов, чем указано этим параметром. Если необходимо больше классов, увеличьте это значение и агрегируйте классы после завершения процесса обучения.	Long
out_classifier_definition	Это файл JSON, который содержит информацию об атрибутах, статистику, гиперплоскостные векторы и другую информацию, необходимую для классификатора. Создаётся файл с расширением .ecd.	File
in_additional_raster (Дополнительный)	Дополнительно включите вспомогательные наборы растровых данных, такие как сегментированное изображение, спектрозональное изображение или ЦМР, для создания атрибутов и другой необходимой для классификатора информации.	Raster Layer \| Mosaic Layer
max_iterations (Дополнительный)	Максимальное число итераций для запуска процесса кластеризации. Рекомендованный диапазон находится между 10 и 20 итерациями. Увеличение этого значения линейно увеличивает время обработки.	Long
min_samples_per_cluster (Дополнительный)	Минимальное число пикселов или сегментов в действительном кластере или классе. Показано, что значение 20, используемое по умолчанию, эффективно при создании статистически значимых классов. Вы можете увеличить это число, чтобы получить более точные классы; однако это может ограничить общее число создаваемых классов.	Long
skip_factor (Дополнительный)	Максимальное число пропускаемых пикселов для входного пиксельного изображения. Если входным изображением является сегментированное, укажите число пропускаемых сегментов.	Long
used_attributes used_attributes;used_attributes (Дополнительный)	Укажите атрибуты, которые будут включены в связанную с выходным растром таблицу атрибутов. Если для входных данных инструмента используется только сегментированное изображение, то атрибутами по умолчанию будут COLOR, COUNT, COMPACTNESS и RECTANGULARITY. Если в качестве входных данных вместе с сегментированным изображением также используется in_additional_raster, то тогда MEAN и STD будут доступны как опции. COLOR —Цвет средней хроматичности, на основе каждого сегмента. MEAN —Средний цифровой номер (DN), выведенный из дополнительного пиксельного изображения, на основе каждого сегмента. STD —Стандартное отклонение, полученное из дополнительного пиксельного изображения, на основе каждого сегмента. COUNT —Число пикселов, составляющих сегмент, на основе каждого сегмента. COMPACTNESS —Степень, в которой сегмент является компактным или круглым, на основе каждого сегмента. Значения находятся в диапазоне от 0 до 1, где 1 соответствует кругу. RECTANGULARITY —Степень, в которой сегмент является прямоугольным, на основе каждого сегмента. Значения находятся в диапазоне от 0 до 1, где 1 соответствует прямоугольнику.	String
max_merge_per_iter (Дополнительный)	При увеличении числа слияний число создаваемых классов уменьшится. Меньшее значение приведет к созданию большего числа классов.	Long
max_merge_distance (Дополнительный)	Увеличение расстояния сделает возможным слияние большего числа кластеров, что позволит получить меньше классов. Меньшее значение приведет к созданию большего числа классов. Природа расстояния является спектральной и основана на цветах RGB. Например, расстояние между пикселами со значениями RGB 100, 100, 100 удалено на 50 от пиксела со значениями RGB 100, 130, 120. Хотя вы можете выбрать любое значение, значения в диапазоне от 0 до 5 позволяют получить наилучшие результаты.	Double

Пример кода

TrainIsoClusterClassifier, пример 1 (окно Python)

Следующий скрипт окна Python использует классификатор Изокластер для создания файла определения неконтролируемой классификации Esri с максимум десятью классами.

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")

TrainIsoClusterClassifier, пример 2 (автономный скрипт)

Данный примерный скрипт использует классификатор Изокластер для создания файла определения неконтролируемой классификации Esri с максимум десятью классами.

# 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)

Параметры среды

Информация о лицензиях

ArcGIS Desktop Basic: Требует Spatial Analyst
ArcGIS Desktop Standard: Требует Spatial Analyst
ArcGIS Desktop Advanced: Требует Spatial Analyst

ArcMap

Классификатор изокластера с обучением