Краткая информация
Создает файл определения классификатора Esri (.ecd) с использованием определения классификации Изокластер.
Этот инструмент выполняет неконтролируемую классификацию.
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. | Raster Layer; Mosaic Layer; Image Service; String |
max_classes | Максимальное количество требуемых классов для группировки пикселов или сегментов. Оно должно быть больше 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 спектрозональное изображение или ЦМР, для создания атрибутов и другой необходимой для классификации информации. | Raster Layer; Mosaic Layer; Image Service; String |
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.
Это параметр активен только в тех случаях, когда для входного растра выбран ключевой параметр Сегментированный. 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. | 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. Это расстояние между центрами кластеров в пространстве признаков. 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