Syftet med arbetet är att utvärdera hur väl en förbättrad Line Integral Convolution (LIC) algoritm utvecklad av Bernhard Jenny (2020), fungerar för att generalisera digitala höjdmodeller i andra geografiska miljöer än de italienska Alperna, där algoritmen ursprungligen testats. Studien fokuserar särskilt på svenska fjällområden (Kebnekaise och Mittåkläppen) samt en urban miljö i Gävle, för att undersöka algoritmens prestanda på olika topografi och upplösningar.

Arbetet använder kvantitativa och kvalitativa analyser. Höjddata samlades in från Maps.slu och bearbetades i olika upplösningar. LIC algoritmen testades systematiskt med varierande parametrar (upplösning, filterstorlek, iterationer). MATLAB, NetBeans och ArcGIS användes för visualisering, beräkningar och datahantering. Resultaten analyserades med statistiska tester (F- och T-test), samt med hjälp av boxplots, heatmaps och scatterplots.

Resultaten visade att i svenska fjäll presterade algoritmen överlag bra, även om skillnader i topografi jämfört med Alperna påverkade detaljbevarandet. I urban miljö kunde takytor generaliseras så att strukturer som lutningar och kanter bevarades samtidigt som brus reducerades. Det framgick även att parametrar som filterstorlek och antal iterationer hade stor påverkan på resultaten.

Slutsatsen är att LIC algoritmen visade god generaliseringsförmåga även utanför sitt ursprungliga användningsområde. Dock bör parametrarna anpassas efter topografins karaktär. Algoritmen har potential för bredare tillämpning, exempelvis i urban miljö för generalisering av takytor men kräver fortsatt utvärdering.

The purpose of this study is to evaluate the performance of an improved Line Integral Convolution (LIC) algorithm, developed by Bernhard Jenny (2020), in generalizing digital elevation models in geographic environments other than the Italian Alps, where the algorithm was originally tested. The study focuses specifically on Swedish mountainous regions (Kebnekaise and Mittåkläppen) as well as an urban area in Gävle, in order to assess the algorithm’s performance across different types of topography and resolutions.

The work applies both quantitative and qualitative analyses. Elevation data was collected from Maps.slu and processed at various resolutions. The LIC algorithm was tested systematically using varying parameters (resolution, filter size, iterations). MATLAB, NetBeans, and ArcGIS were used for visualization, computation, and data handling. The results were analysed using statistical tests (F-test and T-test), along with boxplots, heatmaps, and scatterplots.

The results showed that the algorithm performed well overall in Swedish mountain environments, although differences in topography compared to the Alps affected the preservation of detail. In urban areas, roof surfaces could be generalized while preserving structural features such as slopes and edges, and reducing noise. It was also evident that parameters such as filter size and number of iterations had a significant impact on the results.

In conclusion, the LIC algorithm demonstrated strong generalization capabilities even outside its original application area. However, the parameters should be adapted to the characteristics of the topography. The algorithm shows potential for broader applications, such as generalization of roof surfaces in urban environments, but further evaluation is needed.