W artykule "Extended SLIC superpixels algorithm for applications to non-imagery geospatial rasters" opublikowanym w International Journal of Applied Earth Observation and Geoinformation (Nowosad, J., Stepinski, T., 2022, (https://doi.org/10.1016/j.jag.2022.102935), naukowcy z Uniwersytetu im. Adama Mickiewicza oraz Uniwersytetu w Cincinnati zaproponowali algorytm Extended SLIC jako ulepszoną wersję popularnego algorytmu SLIC, który może być stosowany do regionalizacji wielowymiarowych przestrzennych zbiorów danych. Przetestowali oni algorytm na trzech zbiorach danych o różnym stopniu złożoności, w tym na danych rastrowych dotyczących udziału różnych kategorii pokrycia terenu, szeregów czasowych danych klimatycznych oraz danych dotyczących wysokości terenu. Wyniki pokazały, że Extended SLIC przewyższa oryginalny algorytm SLIC w kwestii jakości wynikowych regionalizacji.
W artykule "Extended SLIC superpixels algorithm for applications to non-imagery geospatial rasters" opublikowanym w czasopiśmie International Journal of Applied Earth Observation and Geoinformation, naukowcy z Uniwersytetu im. Adama Mickiewicza i Uniwersytetu w Cincinnati zaproponowali ulepszoną wersję popularnego algorytmu SLIC, Extended SLIC, który może być stosowany do regionalizacji wielowymiarowych danych przestrzennych.
Autorzy pokazują, że zastosowanie algorytmu Extended SLIC może prowadzić do lepszych wyników segmentacji/regionalizacji. Testowali oni algorytm na trzech zbiorach danych o różnych wymiarach i stopniu kompresji, w tym danych dotyczących udziałów kategorii pokrycia terenu, szeregów czasowych danych klimatycznych i danych wysokościowych. W pierwszym testowanym przykładzie celem było określenie obszarów homogenicznego pokrycia terenu. Autorzy wykazali, że algorytm Extended SLIC daje wyższą dokładność segmentacji niż oryginalny algorytm SLIC, pomimo dużej liczby wymiarów danych wejściowych. W drugim przykładzie autorzy wykorzystali dane rastrowe zawierające szeregi czasowe danych klimatycznych z 24 zmiennymi, aby utworzyć obszary o podobnej zmienności temperatury i opadów. W tym przypadku autorzy stwierdzili, że algorytm Extended SLIC wykazał niewielką przewagę nad oryginalnym algorytmem SLIC. Wreszcie, w trzecim przykładzie autorzy użyli zestawu cech topograficznych do wykrycia wydm w Algierii. W tym przypadku algorytm Extended SLIC wykazał znaczną przewagę nad oryginalnym algorytmem SLIC.
Ich wyniki wykazały, że zalety rozszerzonego algorytmu SLIC były odwrotnie proporcjonalne do stopnia kompresji danych do trzech wymiarów. Podczas gdy najmniej złożone dane, rastry szeregów czasowych, wykazywały niejednoznaczne wyniki, z pięcioma z dziesięciu metryk na korzyść algorytmu Extended SLIC i czterema na korzyść oryginalnego algorytmu SLIC, najbardziej złożony zbiór danych, zestaw cech topograficznych, wykazywał znaczną przewagę na korzyść algorytmu Extended SLIC.
Ta praca badawcza ma ważne implikacje dla regionalizacji przestrzennej, segmentacji obrazów i analizy danych w dziedzinach takich jak teledetekcja, gdzie duże zbiory danych o wysokiej złożoności są powszechne. Ponadto wyniki podkreślają potrzebę tworzenia algorytmów, które mogą skutecznie i wydajnie analizować takie dane oraz zapewniać lepsze wyniki niż istniejące metody. Ogólnie rzecz biorąc, ta praca badawcza przyczynia się do działań mających na celu poprawę technik segmentacji obrazów i analizy danych złożonych wielowymiarowych zbiorów danych przestrzennych.
