Еремеев Сергей Владимирович — кандидат технических наук, доцент, доцент.
Муром, 602264
Sergey V. Eremeev — PhD, Associate Professor, Associate Professor.
Murom, 602264, sc 56673892800
Введение. Кластеризация является одним из фундаментальных подходов для интеллектуального анализа данных, который в сфере геоинформатики и обработки изображений используется для поиска знаний и скрытых закономерностей пространственной информации. При автоматической векторизации объектов на спутниковых снимках из-за несовершенства этих технологий на линейных и полигональных объектах появляются пропущенные элементы, что препятствует полноценному анализу и визуализации данных. Представлен новый метод кластеризации геометрических примитивов с неявно выраженной полигональной структурой с возможностью устранения неполных данных в векторных моделях.
Метод. Предлагаемый метод основан на итерационном формировании пространственных структур при растяжении исходных объектов линейного типа. В отличие от многих подходов кластеризации элементы группируются в кластеры не по принципу ближайшего евклидова расстояния, а за счет определения ближайшего пересечения между отрезками. Такой подход позволяет корректно разделить рядом стоящие линейные объекты в разные кластеры. Для формирующихся пространственных структур на каждой итерации в зависимости от коэффициента растяжения вычисляются их топологические особенности, что обеспечивает возможность обнаруживать и проводить фильтрацию неявно выраженных полигональных структур.
Основные результаты. Разработанный метод апробирован для кластеризации линейных геометрических примитивов на векторных моделях городской инфраструктуры. Проведено сравнение работы метода с аналогами: k-средних, Density-Based Spatial Clastering of Application with Noise (DBSCAN) и агломеративной кластеризацией. Исследования показали, что с использованием метрики оценки качества кластеризации в виде индексов инерции и Жаккара предложенный метод имеет преимущество в случаях корректного разделения близко расположенных кластеров.
Обсуждение. Полученные результаты могут быть использованы в геоинформационных системах для актуализации векторных данных после применения технологий автоматической векторизации объектов на спутниковых снимках.
Clustering is one of the fundamental approaches for data mining, which in the field of geoinformatics and image processing is used to search for knowledge and hidden patterns of spatial information. During automatic vectorization of objects on satellite images due to imperfections of these technologies, missing elements appear on linear and polygonal objects, which prevent full-fledged data analysis and visualization. The paper considers the problem of clustering geometric primitives with implicit polygonal structure with the possibility of eliminating incomplete data in vector models. The proposed method is based on the iterative formation of spatial structures by stretching the original linear objects. Unlike many clustering approaches, elements are grouped into clusters not by the principle of nearest Euclidean distance, but by determining the nearest intersection between segments. This approach allows us correctly dividing adjacent objects into different clusters. For the spatial structures formed at each iteration, their topological features are calculated depending on the stretching coefficient, which makes it possible to detect and filter implicit polygonal structures. The developed method is tested for clustering of linear geometric primitives on vector models of urban infrastructure. The performance of the method is compared with its competitors: k-means, DBSCAN, and agglomerative clustering. The research has shown that using the clustering quality assessment metric in the form of inertia and Jaccard indices, the proposed method has an advantage due to the correct separation of closely located clusters.
The authors declare that there are no conflicts of interest present.