Systemy wnioskowania rozmytego (FIS) jako narzędzie nieliniowej generalizacji numerycznego modelu terenu

• Autorzy: Olszewski R.

Warianty tytułu

EN

Fuzzy inference systems (FIS) as a tool of non-linear generalization of digital terrain models

• Języki publikacji: PL

Abstrakty

PL

W artykule omówiono zagadnienie zastosowania systemów generalizacji danych przestrzennych opartych na logice rozmytej do modelowania rzeźby terenu na różnym poziomie uogólnienia.

EN

Classic filtering methods of raster data (e.g. digital terrain model), such as median or gaussian filtering level the result surface, and consequently flatten the end results. A significant modification of results' range, understood as narrowing of the scope of relative altitudes in the test area, is not the only side effect of the process of DTM generalization. Gaussian filtering, and especially non-linear median filtering leads to non-linear morphometric modifications of generalized terrain relief. Structural forms common for high mountain relief, such as ridge lines and deeply cut river valleys are flattened more than other forms. In the article the author attempts to elaborate a non-linear method of raster data filtering by defining the objective generalization rules of local character. These rules determine the global process of cartographic generalization of raster-type data. In order to build a database which would enable the realization of the process of spatial data generalization, fuzzy inference systems (FIS) are applied. Application of fuzzy logic makes it possible to define generalization rules for non-linear filtering of a digital terrain model recorded in the form of an altitude matrix. In the discussed context FIS can be interpreted as a non-linear digital terrain model transformation. Compared to other non-linear modeling techniques FIS has many advantages: - it keeps the parameters of source data distribution (slant, range, etc.,) - enables open and easy to interpret definition of rules in the data base (in relation to scale, purpose, cartographic school, etc.), - it bases on linguistic variables, which facilitates the understanding of the generalization process, - it facilitates scalability of the results through parametrization of the membership function. Application of fuzzy logic and generalization systems using fuzzy inference makes it possible to automatize the generalization process while preserving subjectivity of cartographic generalization. The final effects depend on the FIS database created by the researcher.

Słowa kluczowe

PL

generalizacja; filtracja nieliniowa; system wnioskowania rozmytego; FIS; numeryczny model terenu

EN

generalization; non-linear filtering; fuzzy inference system; FIS; digital terrain model (DTM)

• Wydawca: Polskie Towarzystwo Geograficzne. Oddział Kartograficzny
• Czasopismo: Polski Przegląd Kartograficzny
• Rocznik: 2006
• Tom: T. 38, nr 4
• Strony: 316--325
• Opis fizyczny: Bibliogr. 29 poz., rys., tab.

Twórcy

autor

Olszewski R.

• Zakład Kartografii Politechniki Warszawskiej

Bibliografia

• Chrobak T., 1999, Badanie przydatności trójkąta elementarnego w komputerowej generalizacji kartograficznej. Kraków: Uczelniane Wydawn. Naukowo-Dydaktyczne AGH.
• Ciołkosz A., Kęsik A., 1989, Teledetekcja satelitarna. Warszawa: PWN.
• Duch W., 2005, Dokąd zmierza inteligencja obliczeniowa? http://www.phys.uni.torun.pl/publications/ kmk/03-CI-przyszlosc.pdf
• Imhof E., 1982, Cartographic relief presentation. Berlin: de Gruyter.
• Iwaniak A., Olszewski R., Paluszyński W., 2003, A comparison of urban area aggregation in satellite images using neural networks, cellular automata and median filtration. W: 21st International Cartographic Conference of the ICA. Abstract of papers. 10-12 August, Durban 2003, s. 36.
• Kacprzyk J., 2001, Wieloetapowe sterowanie rozmyte. Warszawa: Wydawn. Naukowo-Techniczne.
• Kępińska M., Olszewski R., 2002, Od Bertina i Hotellinga do Zadeha i Kohonena, czyli o zastosowaniu sztucznych sieci neuronowych w kartografii tematycznej. „Polski Przegl. Kartogr." T. 34, nr 2, s. 103-114.
• Kładoczny D, Żyszkowska W., 1995, Struktura numerycznych modeli terenu a ich obraz poziomicowy. „Polski Przegl. Kartogr." T. 27, nr 4, s. 177-191.
• Kurczyński Z., Preuss W., 2000, Podstawy fotogrametrii: Warszawa: Oficyna Wydawnicza Politechniki Warszawskiej.
• MaćkowiakA., Ratajczak W., 1996, Wyznaczanie rozmytych granic regionalnych. W: Podstawy regionalizacji geograficznej. Praca zbiorowa pod red. T. Czyż. Poznań: Bogucki Wydawnictwo Naukowe, s. 97-126.
• Makowski A. (red.), 2005, System informacji topograficznej kraju. Teoretyczne i metodyczne opracowanie koncepcyjne. Warszawa: Oficyna Wydawnicza PW.
• McMaster R. B., 1991, Conceptual frameworks for geographical knowledge. W: Map generalization: Making rules for knowledge representation. Red. B. Buttenfield, R.B. McMaster. London: Longman, s. 21-39.
• Nilsson N.J., 1998, Artificial intelligence: a new synthesis. San Mateo, CA: Morgan Kaufmann.
• Olszewski R., 2002, Generalisation of a coast line -a multi-fractal approach. „Geodezja i Kartografia" T. 51,2002, z. 4, s. 191-201.
• Olszewski R., 2003, Grid generalization based on cellular automata theory. „Geodezja i Kartografia" T. 52, z. 2, s. 57-68.
• Olszewski R., 2003, Modelowanie kartograficzne z wykorzystaniem neurorozmytych automatów komórkowych. „Archiwum Fotogrametrii, Kartografii i Teledetekcji" Vol. 13A, Wrocław, s.171-180.
• Olszewski R., 2005, Utilisation of artificial intelligence methods and neurofuzzy algorithms In the process of digital terrain model generalisation. W: XXII International Cartographic Conference. 9-10 July, A Coruna 2005, Spain. Abstract of papers, s. 158-159.
• Olszewski R., 2006, Wykorzystanie metod inteligencji obliczeniowej w procesie modelowania kartograficznego. W: Świat techniki w kartografii. Wrocław (w druku).
• Pitas, l., 2000, Digital image processing algorithms and applications. New York: John Wiley and Sons.
• Poole D., Mackworth A., Goebel R., 1998, Computational intelligence. A logical approach. Oxford University Press.
• Rutkowski L., 2005, Metody i techniki sztucznej inteligencji. Warszawa: Wydawn. Naukowe PWN.
• Weibel R., 1991, Amplified intelligence and rule-base systems. W: Map generalization: making rules for knowledge representation. Red. B. Buttenfield, R.B. McMaster. London: Longman, s. 172-186.
• Weibel R., 1995, Map generalization in the context of digital systems. „Cartography and GIS" Vol. 22, no. 4, s. 3-10.
• Wiggin E., 2001, Elementary digital filtering. http://www.gamedev.net/reference/articles/article1068. asp
• Wolfram S., 2002, A new kind of science. Winnipeg: Wolfram Media Inc.
• Yager R.R., Filev D.P, 1994, Essentials of fuzzy modeling and control. New York: Wiley.
• Zadeh L.A., 1965, Fuzzy sets. „Information and Control" Vol. 8, s. 338-353.
• Zadeh LA., 1973, Outline of a new approach to the analysis of complex systems and decision processes. „IEEE Transactions on Systems, Man and Cybernetics" SMC-2, s. 28-44.
• Zadeh LA., 2005, Toward a generalized theory of uncertainty. Wystawienie w Polskiej Akademii Nauk 15 kwietnia 2005 r., http://www.cs.berkeley.edu/-zadeh/