[论文解读] On Optimal Polyline Simplification Using the Hausdorff and Fréchet Distance

Marc van Kreveld, Maarten Löffler+1 more|arXiv (Cornell University)|Jan 1, 2018

Geographic Information Systems Studies参考文献 5被引用 4

一句话总结

本文研究了使用Hausdorff距离和Fréchet距离进行最优折线简化的问题，证明了在无向Hausdorff距离下计算最优简化的复杂度为NP难，同时提出了一个时间复杂度为O(kn⁵)、空间复杂度为O(kn²)的动态规划算法，用于实现基于Fréchet距离的最优简化。此外，本文还表明，经典的Douglas-Peucker和Imai-Iri算法在这些度量下并非最优，且即使在增大误差阈值后，其性能也会显著下降。

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.

研究动机与目标

• 分析经典折线简化算法——Douglas-Peucker和Imai-Iri——在Hausdorff距离和Fréchet距离度量下的理论性能。
• 确定这些算法在使用这些距离度量时是否能产生最优简化结果。
• 研究在Hausdorff距离和Fréchet距离下计算最优简化的计算复杂度。
• 设计一种高效算法，用于计算在Fréchet距离下的最优简化结果。

提出的方法

• 将问题形式化为：寻找输入顶点的最小大小子序列，使得输入折线与输出折线之间的Hausdorff或Fréchet距离不超过ε。
• 使用动态规划维护折线上的可达点，其中可达性由Fréchet距离约束定义。
• 提出一个关键洞察：对于每条边，仅需跟踪最远的可达点即可保证正确性。
• 证明每条边上的可达区间数量被一个线性函数所限制，从而实现高效计算。
• 设计一个动态规划表ρ(k, i, ˆt)，用于存储在k段简化中，边i上最远可达点的可达性。
• 利用Fréchet距离的几何特性来缩小搜索空间，并确保递推关系的正确性。

实验结果

研究问题

• RQ1 Douglas-Peucker和Imai-Iri算法在Hausdorff距离下的性能与最优简化相比如何？
• RQ2 在无向Hausdorff距离下计算最优简化是否为NP难问题？
• RQ3 能否在多项式时间内计算出基于Fréchet距离的最优简化？若可以，其效率如何？
• RQ4 当误差阈值ε增大时，标准算法的输出顶点数量与最优解相比有何影响？

主要发现

• 使用无向Hausdorff距离计算最优简化是NP难问题。
• 从输出折线到输入折线的有向Hausdorff距离可多项式时间计算，但反向和无向版本为NP难。
• 通过动态规划，可在O(kn⁵)时间复杂度和O(kn²)空间复杂度下计算出基于Fréchet距离的最优简化。
• Douglas-Peucker和Imai-Iri算法即使在ε增大任意常数因子后，仍可能需要Ω(n)个顶点，而最优简化仅需常数个顶点。
• 对于某些折线，即使ε仅增加一个很小的常数因子，Imai-Iri算法所需的顶点数仍为最优解的常数倍。
• 通过仅跟踪每条边上的最远可达点，可利用动态规划高效计算最优Fréchet简化，从而保证正确性与效率。