Анализ эффективности ограничивающих метрик алгоритмов геометрического упрощения на основе экспертной оценки детализации линий

https://doi.org/10.35595/2414-9179-2021-2-27-253-267

Посмотреть или загрузить статью (Rus)

Об авторах

Т.Е. Самсонов

Московский государственный университет имени М.В. Ломоносова, Географический факультет,
Ленинские горы, д. 1, 119991, Москва, Россия;
E-mail: tsamsonov@geogr.msu.ru

О.П. Якимова

Ярославский государственный университет имени П.Г. Демидова, Математический факультет,
ул. Союзная, д. 144, 150008, Ярославль, Россия;
E-mail: polya@uniyar.ac.ru

Аннотация

Представлены результаты исследования, проведенного в форме экспертного опроса с целью выявить наличие зависимостей между характером линии и сочетанием метрик, позволяющим достичь сопоставимых по детализации результатов разными алгоритмами геометрического упрощения.

Для выполнения опроса подготовлены геометрически упрощенные версии трех береговых линий тремя разными алгоритмами геометрического упрощения — Дугласа-Пейкера, Висвалингам-Уайатта и Ли-Оупеншоу. Упрощение производилось при условии одинаковой величины модифицированного расстояния Хаусдорфа (линейное смещение) и уменьшения количества изгибов линии (компрессия количества деталей). Задачей респондентов было дать численную оценку детализации каждого изображения, основываясь на личном восприятии по шкале от 1 до 10.

Результаты опроса показали, что линии, воспринимаемые респондентами как имеющие схожую детализацию, могут быть получены разными алгоритмами, однако выбор метрики, использующейся в качестве ограничения, зависит от характера линии. Для линий, имеющих неглубокую иерархию изгибов, размеры которых малы в сравнении с длиной всей линии, наиболее схожие по детализации результаты получаются при использовании линейного смещения в качестве ограничивающей метрики.

При увеличении сложности линии большую роль в восприятии детализации начинает играть метрика компрессии количества деталей (изгибов). Для одной из трех линий наилучший результат устойчиво получился при взвешенной комбинации анализируемых метрик в качестве ограничения при выполнении геометрического упрощения.

Было установлено, что метрика линейного смещения является более показательной при характеристике изменения детализации линии, поскольку ни один из результатов опроса не показал возможность применения только уменьшения количества изгибов как эффективной характеристики изменения детализации.

Ключ. слова

детализация пространственных данных, геометрическое упрощение линий, экспертный опрос.

Список литературы

  1. Ai T. The drainage network extraction from contour lines for contour line generalization. ISPRS Journal of Photogrammetry and Remote Sensing, 2007. V. 62. No. 2. P. 93–103. DOI: 10.1016/j.isprsjprs.2007.04.002.
  2. Bayer T. Automated Building Simplification Using a Recursive Approach. Advances in Cartography and GIScience. Berlin, Heidelberg: Springer Berlin Heidelberg, 2009. V. 1. P. 121–146. DOI: 10.1007/978-3-642-03294-3_8.
  3. Douglas D.H., Peucker T.K. Algorithms for the reduction of the number of points required to represent a digitized line or its caricature. The Canadian Cartographer, 1973. No. 10 (2). P. 112–122.
  4. Dubuisson M.-P., Jain A.K. A Modified hausdorff Distance for object. Proceedings of 12th International Conference on Pattern Recognition. IEEE Comput. Soc. Press, 1994. V. 1. P. 566–568. DOI: 10.1109/ICPR.1994.576361.
  5. Li Z., Openshaw S. Algorithms for Automated Line Generalization Based on a Natural Principle of Objective Generalization. International journal of geographical information systems, 1992. V. 6. No. 5. P. 373–389. DOI: 10.1080/02693799208901921.
  6. Mustiere S. Cartographic generalization of roads in a local and adaptive approach: A knowledge acquistion problem. International Journal of Geographical Information Science, 2005. V. 19. No. 8–9. P. 937–955. DOI: 10.1080/13658810509161245.
  7. Park W., Yu K. Hybrid line simplification for cartographic generalization. Pattern Recognition Letters, 2011. V. 32. No. 9. P. 1267–1273. DOI: 10.1016/j.patrec.2011.03.013.
  8. Samsonov T.E., Yakimova O.P. Regression modeling of reduction in spatial accuracy and detail for multiple geometric line simplification procedures. International Journal of Cartography, 2020. V. 6. No. 1. P. 47–70. DOI: 10.1080/23729333.2019.1615745.
  9. Samsonov T.E., Yakimova O.P. Shape-Adaptive Geometric Simplification of Heterogeneous Line Datasets. International Journal of Geographical Information Science, 2017. V. 31. No. 8. P. 1485–1520. DOI: 10.1080/13658816.2017.1306864.
  10. Touya G., Duchêne C., Ruas A. Collaborative Generalisation: Formalisation of Generalisation Knowledge to Orchestrate Different Cartographic Generalisation Processes. Theories and Methods of Spatio-Temporal Reasoning in Geographic Space. Berlin, Heidelberg: Springer Berlin Heidelberg, 2010. P. 264–278. DOI: 10.1007/978-3-642-15300-6_19.
  11. Visvalingam M., Whyatt J.D. Line Generalisation by Repeated Elimination of Points. The Cartographic Journal. 1993. V. 30. No. 1. P. 46–51. DOI: 10.1179/000870493786962263.
  12. Wang Z., Muller J.C. Complex Coastline Generalization. Cartography and Geographic Information Science, 1993. V. 20. No. 2. P. 96–106.

Для цитирования: Самсонов Т.Е., Якимова О.П. Анализ эффективности ограничивающих метрик алгоритмов геометрического упрощения на основе экспертной оценки детализации линий ИнтерКарто. ИнтерГИС. Геоинформационное обеспечение устойчивого развития территорий: Материалы Междунар. конф. M: Географический факультет МГУ, 2021. Т. 27. Ч. 2. С. 253–267. DOI: 10.35595/2414-9179-2021-2-27-253-267

For citation: Samsonov T.E., Yakimova O.P. Analysis of the effectiveness of constraining metrics of geometric simplification algorithms based on expert evaluation of line detail InterCarto. InterGIS. GI support of sustainable development of territories: Proceedings of the International conference. Moscow: MSU, Faculty of Geography, 2021. V. 27. Part 2. P. 253–267. DOI: 10.35595/2414-9179-2021-2-27-253-267 (In Russian)