ArcMap

Классификатор по методу максимального правдоподобия с обучением

Доступно с лицензией Spatial Analyst.

Сводка

Создает файл определения классификатора Esri (.ecd) с использованием определения классификации Метода максимального правдоподобия (MLC).

Использование

  • Для завершения процесса классификации по методу максимального подобия используйте тот же входной растр и выходной файл .ecd инструмента Классифицировать растр .

  • Входным растром может быть любой поддерживаемый Esri растр с любой глубиной пикселов.

  • Для создания сегментированного набора растровых данных используйте инструмент Сегментация методом среднего сдвига.

  • Чтобы создать файл обучающей выборки, используйте Менеджер обучающей выборки на панели инструментов Классификация изображений. Более подробную информацию об использовании панели инструментов Классификация изображений см. в разделе Что такое классификация изображений?

  • Выходной файл определения классификатора содержит статистику атрибутов, которая подходит для инструмента Классификация по методу максимального подобия.

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

Синтаксис

TrainMaximumLikelihoodClassifier(in_raster, in_training_features, out_classifier_definition, {in_additional_raster}, {used_attributes})
ParameterОбъяснениеТип данных
in_raster

Набор растровых данных для классификации.

Raster Layer; Mosaic Layer; Image Service; String
in_training_features

Выберите файл обучающей выборки или слой, который определяет районы обучающей выборки.

Это могут быть либо шейп-файлы, либо классы объектов, которые содержат ваши обучающие выборки. В файле обучающей выборки должны быть поля со следующими именами:

  • classname – текстовое поле с указанием имени категории класса.
  • classvalue – поле типа long integer, содержащее целочисленное значение для каждой категории класса.

Feature Layer; Raster Catalog Layer
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)

Вы также можете добавить дополнительные наборы растровых данных, например, сегментированное изображение или ЦМР.

Raster Layer; Mosaic Layer; Image Service; String
used_attributes
[used_attributes,...]
(Дополнительный)

Укажите атрибуты, которые будут включены в связанную с выходным растром таблицу атрибутов.

  • COLOR —Значения цвета RGB , полученные их входного растра на основе каждого сегмента.
  • MEAN —Средний цифровой номер (DN), выведенный из дополнительного пиксельного изображения, на основе каждого сегмента.
  • STD —Среднеквадратическое отклонение, полученное из дополнительного пиксельного изображения, на основе каждого сегмента.
  • COUNT —Число пикселов, составляющих сегмент, на основе каждого сегмента.
  • COMPACTNESS —Соединяет сегменты, которые были разрезаны границами листов в процессе сегментации. Значения находятся в диапазоне от 0 до 1, где 1 соответствует кругу.
  • RECTANGULARITY —Степень, определяющая, насколько сегмент является прямоугольным, на основе каждого сегмента. Значения находятся в диапазоне от 0 до 1, где 1 соответствует прямоугольнику.

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

Пример кода

TrainMaximumLikelihoodClassifier, пример 1 (окно Python)

Пример скрипта окна Python для использования функции.

import arcpy
from arcpy.sa import *

TrainMaximumLikelihoodClassifier(
    "c:/test/moncton_seg.tif", "c:/test/train.gdb/train_features", 
    "c:/output/moncton_sig.ecd", "c:/test/moncton.tif", 
    "COLOR;MEAN;STD;COUNT;COMPACTNESS;RECTANGULARITY")
TrainMaximumLikelihoodClassifier, пример 2 (автономный скрипт)

В данном примере показано, как использовать классификатор по методу максимального правдоподобия с обучением.

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

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

# Execute 
TrainMaximumLikelihoodClassifier(inSegRaster, train_features, out_definition, 
                                 in_additional_raster, attributes)

Environments

Информация о лицензиях

  • Basic: Требуется Spatial Analyst
  • Standard: Требуется Spatial Analyst
  • Advanced: Требуется Spatial Analyst

Связанные разделы