[논문 리뷰] On Optimal Polyline Simplification Using the Hausdorff and Fréchet Distance

Marc van Kreveld, Maarten Löffler외 1명|arXiv (Cornell University)|2018. 01. 01.

Geographic Information Systems Studies참고 문헌 5인용 수 4

한 줄 요약

이 논문은 하우스도르프 거리와 프레셰 거리를 사용한 최적의 다각형선 단순화를 조사하며, 비방향 하우스도르프 거리 기반 최적 단순화 계산이 NP-난이도임을 증명한다. 또한 최적의 프레셰 기반 단순화를 위한 O(kn⁵)-시간, O(kn²)-공간 동적 프로그래밍 알고리즘을 제시한다. 또한 듀거-퍼커, 아이마이-이리와 같은 고전적 알고리즘이 이러한 측정 기준에서 최적이 아니며, 오차 한계를 늘려도 성능이 크게 떨어진다는 점을 보여준다.

ABSTRACT

We revisit the classical polygonal line simplification problem and study it using the Hausdorff distance and Fréchet distance. Interestingly, no previous authors studied line simplification under these measures in its pure form, namely: for a given epsilon>0, choose a minimum size subsequence of the vertices of the input such that the Hausdorff or Fréchet distance between the input and output polylines is at most epsilon. We analyze how the well-known Douglas-Peucker and Imai-Iri simplification algorithms perform compared to the optimum possible, also in the situation where the algorithms are given a considerably larger error threshold than epsilon. Furthermore, we show that computing an optimal simplification using the undirected Hausdorff distance is NP-hard. The same holds when using the directed Hausdorff distance from the input to the output polyline, whereas the reverse can be computed in polynomial time. Finally, to compute the optimal simplification from a polygonal line consisting of n vertices under the Fréchet distance, we give an O(kn^5) time algorithm that requires O(kn^2) space, where k is the output complexity of the simplification.

연구 동기 및 목표

• 하우스도르프 거리 및 프레셰 거리 측정 기준에서 잘 알려진 다각형선 단순화 알고리즘—듀거-퍼커 및 아이마이-이리—의 이론적 성능 분석.
• 이러한 거리 측정 기준을 사용할 때 이러한 알고리즘이 최적의 단순화를 생성하는지 여부 확인.
• 하우스도르프 거리 및 프레셰 거리 기반 최적 단순화 계산의 계산 복잡도 분석.
• 프레셰 거리 기반 최적 단순화를 효율적으로 계산하는 알고리즘 개발.

제안 방법

• 입력 다각형선과 출력 다각형선 간의 하우스도르프 또는 프레셰 거리가 ε 이내가 되도록 하는 입력 정점의 최소 크기 부분수열을 찾는 문제로 문제를 수리적으로 정의.
• 다각형선의 각 지점에서 도달 가능한 점을 유지하기 위해 동적 프로그래밍을 사용하며, 도달 가능성은 프레셰 거리 제약 조건에 의해 정의된다.
• 핵심 통찰: 각 변에 대해 오직 가장 멀리 떨어진 도달 가능한 점만 추적하면 정확성이 보장됨.
• 각 변에 대해 도달 가능한 간격의 수가 선형 함수로 유계임을 증명하여 효율적인 계산 가능함을 보장.
• k-링크 단순화에 대해 변 i의 가장 먼 도달 가능한 점의 도달 가능성을 저장하기 위한 동적 프로그래밍 테이블 ρ(k, i, ˆt) 설계.
• 프레셰 거리의 기하학적 성질을 활용해 탐색 공간을 줄이고 재귀식의 정확성을 보장함.

실험 결과

연구 질문

• RQ1 듀거-퍼커 및 아이마이-이리 알고리즘이 하우스도르프 거리 기반 최적 단순화와 비교해 성능가능성은 어떻게 되는가?
• RQ2 비방향 하우스도르프 거리 기반 최적 단순화 계산이 NP-난이도인가?
• RQ3 프레셰 거리 기반 최적 단순화는 다항 시간 내에 계산 가능한가? 만약 가능하다면 얼마나 효율적인가?
• RQ4 오차 한계 ε을 증가시킬 경우, 표준 알고리즘의 출력 정점 수가 최적 해와 비교해 어떻게 영향을 받는가?

주요 결과

• 비방향 하우스도르프 거리 기반 최적 단순화 계산은 NP-난이도이다.
• 출력 다각형선에서 입력 다각형선으로의 방향성 하우스도르프 거리는 다항 시간 내에 계산 가능하지만, 반대 방향 및 비방향 형태는 NP-난이도이다.
• 동적 프로그래밍을 통해 프레셰 거리 기반 최적 단순화는 O(kn⁵) 시간 및 O(kn²) 공간 내에서 계산 가능하다.
• 듀거-퍼커 및 아이마이-이리 알고리즘은 ε을 임의의 상수 배로 늘려도 여전히 Ω(n)개의 정점이 필요로 하며, 최적 단순화에서는 정수 개의 정점만으로도 충분하다.
• 일부 다각형선에 대해서는 ε을 작은 상수 배로 늘려도 아이마이-이리 알고리즘이 최적 해보다 정점 수를 상수 배 더 많이 소비한다.
• 각 변에 대해 오직 가장 먼 도달 가능한 점만 추적함으로써 프레셰 거리 기반 최적 단순화는 동적 프로그래밍을 통해 효율적으로 계산 가능하며, 이는 정확성과 효율성을 보장한다.