Доступно с лицензией Spatial Analyst.
Сводка
Создает файл определения классификатора Esri (.ecd) с использованием определения классификации Iso Cluster.
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 | Набор растровых данных для классификации. | 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 | Выходной файл JSON, который содержит информацию об атрибутах, статистику, гиперплоскостные векторы и другую информацию, необходимую для классификатора. Создан файл .ecd. | File |
in_additional_raster (Дополнительный) | Добавьте вспомогательные наборы растровых данных, такие как спектрозональное изображение или ЦМР, для создания атрибутов и другой необходимой для классификатора информации. Это дополнительный параметр. | 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 значение для более объемлющих классов, однако это может ограничить общее количество созданных 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 (Segmented). 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 также будут доступны атрибуты MEAN и STD. | String |
max_merge_per_iter (Дополнительный) | Максимальное число слияний кластеров на итерацию. При увеличении числа слияний число создаваемых классов уменьшится. Меньшее значение приведет к созданию большего числа классов. | Long |
max_merge_distance (Дополнительный) | Максимальное расстояние между центрами кластеров в пространстве объектов. Увеличение расстояния сделает возможным слияние большего числа кластеров, что позволит получить меньше классов. Меньшее значение приведет к созданию большего числа классов. Значения от 0 до 5 как правило дают 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
- Basic: Требуется Spatial Analyst
- Standard: Требуется Spatial Analyst
- Advanced: Требуется Spatial Analyst