ArcMap

Классификатор опорных векторов с обучением

Краткая информация

Создает файл определения классификатора Esri (.ecd) с использованием определения классификации Метода опорных векторов (SVM).

Использование

  • Классификатор SVM обеспечивает мощный, современный метод контролируемой классификации, который способен обрабатывать сегментированные растровые входные данные или стандартное изображение.Это сравнительно новый метод классификации, который широко используется исследователями.

  • Для стандартных входных изображений, инструмент принимает многоканальные изображения любой битовой глубины и выполняет попиксельную классификацию SVM на основе входного файла обучающего класса пространственных объектов.

  • Для сегментированных растров, ключевое свойство которых установлено как Сегментированный, инструмент вычисляет индексное изображение и связанные атрибуты сегмента из сегментированного растра RGB. Атрибуты вычисляются для создания файла определения классификатора, который должен быть использован в отдельном инструменте классификации.Атрибуты для каждого сегмента могут быть вычислены для любого, поддерживаемого Esri изображения.

  • Есть несколько преимуществ в использовании инструмента классификатора метода SVM вместо традиционных методов классификации:

    • Классификатор SVM может обрабатывать очень большие сегментированные изображения, таблица атрибутов которых может стать довольно большой, что особенно полезно при обработке изображений высокого разрешения.
    • Данный метод менее восприимчив к шуму, коррелированным каналам и несбалансированному количеству и размеру обучающих местоположений в пределах каждого класса.

  • 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.

  • Атрибуты сегмента доступны в том случае, когда одним из входных растровых слоёв является сегментированное изображение.

Синтаксис

TrainSupportVectorMachineClassifier (in_raster, in_training_features, out_classifier_definition, {in_additional_raster}, {max_samples_per_class}, {used_attributes})
ПараметрОбъяснениеТип 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
in_training_features

Класс объектов обучающей выборки должен быть создан в ArcMap.Не существует методов их создания в Python.

Feature Layer | Raster Catalog Layer
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_samples_per_class
(Дополнительный)

Максимальное количество образцов для определения каждого класса.

Когда входными данными являются несегментированные растры, то рекомендуется использовать значение по умолчанию 100. Значение, которое меньше или равно 0, означает, что система будет использовать все образцы из обучающих местоположений для обучения классификатора.

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

Пример кода

TrainSupportVectorClassifier, пример 1 (окно Python)

Данный пример окна Python использует классификатор SVM для классификации сегментированного растра.

import arcpy
from arcpy.sa import *

arcpy.gp.TrainSupportVectorMachineClassifier(
    "c:/test/moncton_seg.tif", "c:/test/train.gdb/train_features",
    "c:/output/moncton_sig_SVM.ecd", "c:/test/moncton.tif", "10",
    "COLOR;MEAN;STD;COUNT;COMPACTNESS;RECTANGULARITY")
TrainSupportVectorClassifier, пример 2 (автономный скрипт)

Данный скрипт Python использует классификатор SVM для классификации сегментированного растра.

# 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"
maxNumSamples = "10"
attributes = "COLOR;MEAN;STD;COUNT;COMPACTNESS;RECTANGULARITY"

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

#Execute
arcpy.gp.TrainSupportVectorMachineClassifier(
    inSegRaster, train_features, out_definition, 
    in_additional_raster, maxNumSamples, attributes)

Параметры среды

Информация о лицензиях

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

Связанные разделы