ArcMap

训练支持向量机分类器

需要 Spatial Analyst 许可。

描述

使用支持向量机 (SVM) 分类定义生成 Esri 分类器定义 (.ecd) 文件。

使用方法

  • SVM 分类器是一种功能强大的监督分类方法。非常适合用于处理分割栅格输入，还可以处理标准影像。是研究团体常用的一种分类方法。

  • 对于标准影像输入，工具接受具有任意位深度的多波段影像，它还会基于输入训练要素文件基于像素执行 SVM 分类。

  • 对于关键属性设置为分割的分割栅格，此工具将计算 RGB 分割栅格中的索引影像及相关的分割影像属性。计算的属性将用于生成要在独立分类工具中使用的分类器定义文件。可根据任意 Esri 支持的影像计算每个分割影像的属性。

  • 与最大似然法分类方法相比，SVM 分类器工具存在以下几个优势：

    • SVM 分类器需要的样本少得多，且不需要样本呈正态分布。
    • 它更不容易被噪音、关联波段以及每个类中不平衡的训练场数量或大小所影响。

  • 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。

  • 要创建训练样本文件，请使用影像分类工具栏中的训练样本管理器。有关如何使用影像分类工具栏的信息，请参阅什么是影像分类？

  • 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

TrainSupportVectorMachineClassifier(in_raster, in_training_features, out_classifier_definition, {in_additional_raster}, {max_samples_per_class}, {used_attributes})
参数说明数据类型
in_raster

待分类的栅格数据集。

首选输入项为 8 位 3 波段分割栅格数据集，其中所有位于同一分割的像素具有相同的颜色。输入也可以是 8 位单波段灰度分割栅格。如果没有可用的分割栅格，可使用任何 Esri 支持的栅格数据集

Raster Layer; Mosaic Layer; Image Service; String
in_training_features

用于描绘训练场的训练样本文件或图层。

它们可以是包含训练样本的 shapefile 或要素类。训练样本文件中需要以下字段名称：

  • classname - 指示类类别名称的文本字段。
  • classvalue - 包含每个类类别的整数值的长整型字段。

Feature Layer; Raster Catalog Layer
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_samples_per_class
（可选）

用于定义每个类的样本的最大数量。

如果输入为非分割栅格，建议使用默认值 500。值小于或等于 0 表示系统将使用训练场中的所有样本来训练分类器。

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，从可选像素图像中获取的平均数字值 (DN)。
  • STD —基于每个分割，从可选像素图像中获取的标准差。
  • COUNT —基于每个分割，构成分割的像素数。
  • COMPACTNESS —基于每个分割，决定分隔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，决定分隔为矩形的度数。值的范围从 0 到 1，1 表示矩形。

如果在输入栅格上将分割关键属性设置为 true 时，则仅启用此参数。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

代码示例

TrainSupportVectorClassifier 示例 1（Python 窗口）

此 Python 示例使用 SVM 分类器对分割栅格进行分类。

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 示例 2（独立脚本）

此 Python 脚本使用 SVM 分类器对分割栅格进行分类。

# 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)

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