ArcMap

训练 ISO 聚类分类器

需要 Spatial Analyst 许可。

描述

使用 Iso 聚类分类定义生成 Esri 分类器定义 (.ecd) 文件。

此工具用于执行非监督分类。

使用

  • 任何 Esri 支持的栅格都可用作输入，包括栅格产品、分割栅格、镶嵌、影像服务或通用栅格数据集。分割栅格必须为 8 位 3 波段栅格。

  • 仅在其中一个栅格图层输入为分割影像的情况下启用分割属性参数。

语法

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})
参数说明数据类型
in_raster

待分类的栅格数据集。

Raster Layer; Mosaic Layer; Image Service; String
max_classes

分组像素或分割影像时所需的最大类数。此参数应设置为大于图例中类的数量。

您获取的要素类可能会少于此参数中指定的数量。如果需要更多要素类，可在训练过程结束后增加此值并聚集类。

Long
out_classifier_definition

包含属性信息、统计数据、超平面矢量和分类器所需的其他信息的输出 JSON 文件。将创建一个 .ecd 文件。

File
in_additional_raster
（可选）

用于整合其他栅格数据集（如多光谱影像或 DEM），从而为分类生成属性和其他所需信息。此参数属于可选操作。

Raster Layer; Mosaic Layer; Image Service; String
max_iterations
（可选）

要运行的聚类过程的最大迭代次数。

推荐迭代次数范围为 10 到 20 之间。增加此值将会使处理时间呈线性增加。

Long
min_samples_per_cluster
（可选）

一个有效聚类或类中的最小像素数或分割数。

已表明默认值 20 对于创建具有统计显著性的类有效。可增加这一数值以获得更可靠的类；但是，这样可能会限制所创建类的总数。

Long
skip_factor
（可选）

像素影像输入所需跳过的像素数。如果输入是分割影像，则请指定要跳过的分割数。

Long
used_attributes
[used_attributes;used_attributes,...]
（可选）

指定要包括在与输出栅格相关联的属性表中的属性。

  • COLOR —RGB 颜色值可基于每个分割从输入栅格获取。
  • MEAN —基于每个分割，从可选像素影像中获取的平均数字值 (DN)。
  • STD —基于每个分割，从可选像素影像中获取的标准差。
  • COUNT —基于每个分割，构成分割的像素数。
  • COMPACTNESS —基于每个分割，决定分割为紧凑型还是圆形的度数。值的范围从 0 到 1，1 表示圆形。
  • RECTANGULARITY —基于每个分割，决定分割为矩形的度数。值的范围从 0 到 1，1 表示矩形。

仅当在输入栅格上将分割关键属性设置为 true 时，此参数才可用。如果仅对此工具输入分割影像，则默认属性为 COLOR、COUNT、COMPACTNESS 和 RECTANGULARITY。如果将 in_additional_raster 作为输入与分割影像一起添加进来，则还可以使用 MEAN 和 STD 属性。

String
max_merge_per_iter
（可选）

每个迭代的最大聚类合并数。增加合并的数量将减少所创建的类。较小值将生成较多的类。

Long
max_merge_distance
（可选）

要素空间中聚类中心间的最大距离。增加距离将允许更多的聚类合并，从而生成较少的类。较小值将生成较多的类。使用值 0 到 5 可获得最佳结果。

Double

代码示例

TrainIsoClusterClassifier 示例 1（Python 窗口）

以下 Python 窗口脚本使用 ISO 聚类分类器创建最多含十个类的非监督 Esri 分类定义文件。

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 示例 2（独立脚本）

此脚本示例使用 ISO 聚类分类器创建最多含十个类的非监督 Esri 分类定义文件。

# 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)

环境

许可信息

  • Basic: 需要 Spatial Analyst
  • Standard: 需要 Spatial Analyst
  • Advanced: 需要 Spatial Analyst

相关主题