Классификации по методу максимального подобия (Maximum Likelihood Classification) (Spatial Analyst)

Уровень лицензии:BasicStandardAdvanced

Резюме

Выполняет классификацию по методу максимального подобия для набора каналов растра и создаёт классифицированный растр в качестве выходных данных.

Более подробно о том, как работает Классификация по методу максимального подобия

Использование

Синтаксис

MLClassify (in_raster_bands, in_signature_file, {reject_fraction}, {a_priori_probabilities}, {in_a_priori_file}, {out_confidence_raster})
ПараметрОбъяснениеТип данных
in_raster_bands
[in_raster_band,...]

Входные каналы растров.

Raster Layer
in_signature_file

Входной файл сигнатур, сигнатуры классов которого используются алгоритмом классификации по методу максимального подобия.

Требуется расширение .gsg.

File
reject_fraction
(дополнительно)

Доля ячеек, которые останутся неклассифицированными, из-за нижнего значения вероятности корректного отнесения ячейки к тому или иному классу.

Значение по умолчанию равно 0,0; оно означает, что все ячейки будут классифицированы.

Есть 14 действительных записей: 0,0, 0,005, 0,01, 0,025, 0,05, 0,1, 0,25, 0,5, 0,75, 0,9, 0,95, 0,975, 0,99 и 0,995.

String
a_priori_probabilities
(дополнительно)

Задает, как будут определяться априорные вероятности.

  • EQUAL Всем классам будут присвоены одинаковые априорные вероятности.
  • SAMPLE Априорные вероятности будут пропорциональны числу ячеек в каждом классе по отношению к общему числу ячеек всех классов, представленных в файле сигнатур.
  • FILEАприорные вероятности будут присвоены каждому классу из входного ASCII-файла априорной вероятности.
String
in_a_priori_file
(дополнительно)

Текстовой файл, содержащий априорные вероятности для входных классов сигнатур.

Входные данные для файла априорных вероятностей являются обязательными только в том случае, если используется опция FILE.

Расширением файла априорных вероятностей может быть расширение .txt или .asc.

File
out_confidence_raster
(дополнительно)

Выходной набор растровых данных доверия, на котором показана достоверность классификации с 14 уровнями доверия, при этом, чем ниже значения, тем выше надежность классификации.

Raster Dataset

Возвращено значение

ИмяОбъяснениеТип данных
out_classified_raster

Выходной классифицированный растр.

Raster

Пример кода

Классификация по методу максимального подобия. Пример 1 (окно Python)

В этом примере создается выходной классифицированный растр, содержащий 5 классов, полученных из входного файла сигнатур и многоканального растра.

import arcpy
from arcpy import env
from arcpy.sa import *
env.workspace = "C:/sapyexamples/data"
mlcOut = MLClassify("redlands", "c:/sapyexamples/data/wedit5.gsg", "0.0", 
                    "EQUAL", "", "c:/sapyexamples/output/redmlcconf")
mlcOut.save("c:/sapyexamples/output/redmlc")
Классификация по методу максимального подобия. Пример 2 (автономный скрипт)

В этом примере создается выходной классифицированный растр, содержащий 5 классов, полученных из входного файла сигнатур и многоканального растра.

# Name: MLClassify_Ex_02.py
# Description: Performs a maximum likelihood classification on a set of 
#    raster bands.
# Requirements: Spatial Analyst Extension

# Import system modules
import arcpy
from arcpy import env
from arcpy.sa import *

# Set environment settings
env.workspace = "C:/sapyexamples/data"

# Set local variables
inRaster = "redlands"
sigFile = "c:/sapyexamples/data/wedit5.gsg"
probThreshold = "0.0"
aPrioriWeight = "EQUAL"
aPrioriFile = ""
outConfidence = "c:/sapyexamples/output/redconfmlc"


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

# Execute 
mlcOut = MLClassify(inRaster, sigFile, probThreshold, aPrioriWeight, 
                    aPrioriFile, outConfidence) 

# Save the output 
mlcOut.save("c:/sapyexamples/output/redmlc02")

Параметры среды

Связанные темы

Информация о лицензировании

ArcGIS for Desktop Basic: Требует Spatial Analyst
ArcGIS for Desktop Standard: Требует Spatial Analyst
ArcGIS for Desktop Advanced: Требует Spatial Analyst
9/11/2013