Phys. Dirk Burghardt
Phys. Dirk Burghardt
Phys. Dirk Burghardt
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
10 Kapitel 1. Einleitung<br />
werden können. Dazu wird zwischen quantitativer und qualitativer Bewertung unterschieden.<br />
Die zugehörigen Meßgrößen bilden die Vorraussetzung für eine automatisierte Steuerung von<br />
Generalisierungsalgorithmen. Die Verdrängung wird als Elementarvorgang der kartographischen<br />
Generalisierung eingeordnet.<br />
Eine der grundlegenden Fragestellungen, die sich bei der Einführung von automatisierten Prozessen<br />
stellt, ist die Suche nach Möglichkeiten, vorhandenes Wissen in die Welt der Computer<br />
zu übertragen. Für die rechnergestützte Kartenherstellung ist zu ermitteln, was von den<br />
langjährigen Erfahrungen in der traditionellen Kartographie verwendet werden kann. Wo sind<br />
Gemeinsamkeiten in manuellen und automatisierten Abläufen ? Inwieweit können Regeln formuliert<br />
werden, die unabhängig von Spezialfällen anzuwenden sind ? Wodurch sind Ausnahmen<br />
gekennzeichnet ? Mit verschiedenen Möglichkeiten zur Erfassung des vorhandenen Wissens<br />
beschäftigt sich die Theorie der Wissensakquisition. Am anspruchsvollsten ist dabei die Formalisierung,<br />
d.h. die Umsetzung vorhandener Erkenntnisse in programmierbare Regeln oder<br />
mathematische Formeln.<br />
Am Ende des Kapitels sind vorhandene Arbeiten auf dem Gebiet der automatisierten Verdrängung<br />
übersichtsweise dargestellt. Dabei kann zwischen vektor- und rasterbasierten Ansätzen<br />
unterschieden werden. Während in den Veröffentlichungen der siebziger Jahre hauptsächlich<br />
geometrische Verfahren zur Lösung des Verdrängungsproblems entwickelt wurden, führte die<br />
Anwendung kommerzieller Rastersysteme Mitte der achtziger Jahre zur Entwicklung von Algorithmen<br />
auf der Basis von Rasterdaten. Aktuelle Arbeiten versuchen Gestaltsänderungen infolge<br />
Verdrängung zu erfassen und möglichst klein zu halten. Die Verdrängung unter Beibehaltung<br />
der charakteristischen Objektgestalt kann als Optimierungsproblem formuliert werden.<br />
Kapitel 3: Die Behandlung von Linien ist das Kernproblem der automatisierten Verdrängung,<br />
da schon kleine Änderungen in der Objektgestalt augenscheinlich sind und deshalb möglichst<br />
minimal gehalten werden müssen. Flächenobjekte sind durch ihren Rand festgelegt, so daß hier<br />
gleiche Modelle zur Anwendung kommen können. Als geeignetes Modell werden energieminimierende<br />
Splines eingeführt, die in der Bildverarbeitung zur Objektextraktion und Mustererkennung<br />
entwickelt wurden.<br />
Für die Anwendung in der Generalisierung, speziell der Linienverdrängung, werden die Terme<br />
der inneren und äußeren Energie konstruiert und zur Zielfunktion im Energie-Integral zusammengefaßt.<br />
Die äußere Energie modelliert Konflikte, die eine Verdrängung erfordern. Die innere<br />
Energie erfaßt die damit verbundenen Änderungen in der Liniengestalt. Da die Energieanteile<br />
einander entgegenwirken, stellt sich die Verdrängung als Optimierungsaufgabe dar. Die minimale<br />
Gesamtenergie findet man nach Variation des Energie-Integrals und Lösung der resultierenden<br />
Euler-Gleichungen. Zur Diskretisierung der Euler-Gleichungen können Differenzenverfahren oder<br />
finite Elemente verwendet werden. Beide Approximationen ermöglichen die Lösung der Euler-<br />
Gleichungen mittels Cholesky-Zerlegung.<br />
Neben den Untersuchungen zur Diskretisierung und Parametrisierung wird am Ende des Kapitels<br />
das Greedy-Verfahren als alternative Methode der Energieminimierung vorgestellt. Ein Vergleich<br />
mit dem Variationsverfahren zeigt Vor- und Nachteile beider Ansätze.<br />
Kapitel 4: Am Beispiel der Punktverdrängung wird die Anwendbarkeit unterschiedlicher Verfahren<br />
der linearen und quadratischen Optimierung untersucht. Mit der Methode der kleinsten<br />
Quadrate als Verfahren der quadratischen Optimierung wird die gewichtete Quadratsumme der<br />
Punktverschiebungen minimiert. Das Simplexverfahren als Standardmethode der linearen Optimierung<br />
minimiert die gewichteten Verschiebungsbeträge. Beide Ansätze zeigen vergleichbare<br />
Resultate. Anwendungen sind zum Beispiel in der thematischen Kartographie vorstellbar.