Douglas-Peucker 단순화 알고리듬 개선에 관한 연구

A Study on The Improvement of Douglas-Peucker's Polyline Simplification Algorithm

Douglas-Peucker 알고리듬의 원리를 충실하게 반영한 단순 tree 구조의 단순화 기법은 단순화 지표가 실제 계층적 자료구조에 명확히 내재되는 장점을 갖는다. 그러나 단순 tree 방법은 단순화 지표의 계층성이 항상 보장되지 못할 가능성을 안고 있다. 그것은 Douglas-Peucker 알고리듬의 원리가 선형 사상의 국지적 특성을 충실하게 반영하지 못하는 전역적 기법이기 때문이다. 본 연구에서는 이러한 계층적 오류를 극복하기 위해 볼록다각형 탐색기법을 활용하여 형태적 대표점을 찾아 이를 기초로 계층적 자료구조를 갖는 단순화 기법 (CALS)을 구현하였다. CALS에 의한 방법은 단순 tree 방법에서 발생한 중상위 계층의 오류를 보정하는 효과가 있기 때문에 단순 tree 구조에 비해 단순화의 공간적 정확도를 향상시킨다.

A Simple tree-structured line simplification method, which exactly follows the Douglas-Peucker algorithm, has a strength for its simplification index to be involved into the hierarchical data structures. However, the hierarchy of simplification index, which is the core in a simple tree method, may not be always guaranteed. It is validated that the local property of line features in such global approaches as Douglas-Peucker algorithm is apt to be neglected and the construction of hierarchy with no thought of locality may entangle the hierarchy. This study designed a new approach, CALS(Convex hull Applied Line Simplification), a) to search critical points of line feature with convex hull search technique, b) to construct the hierarchical data structure based on these critical points, c) to simplify the line feature using multiple trees. CALS improved the spatial accuracy as compared with a simple tree method. Especially CALS was excellent in case of line features having the great extent of sinuosity.