ارزیابی کارایی روشهای فیلترینگ بر عملکرد خوشه بندی ابرنقطه سه بعدی

امروزه با توسعه ی لیزراسکنرها، استفاده از ابرنقطه برای مدلسازی سه بعدی اشیا، به یکی از مباحث مهم تحقیقاتی در حوزه سنجش از دور و فتوگرامتری تبدیل شدهاست. گام اولیه و مهم در استفاده از این تکنولوژی، آماده سازی و پیش پردازشهای مربوط به ابرنقطه میباشد. از جمله متداول ترین فرآیندهای پیش پردازش در مجموعه ابرنقطه، استفاده از روش های فیلترینگ است. در پژوهش حاضر تاثیر اعمال انواع روشهای فیلترینگ بر نتایح حاصل از قطعه بندی داده های ابرنقطه بررسی شده است. روشهای فیلترینگ دو دسته کلی کاهش تراکم و حذف نویز را شامل میشود. به این منظور از دو روش متداول و پرکاربرد شبکه بندی وکسل و روش حذف آماری برای پیشپردازش داده های ورودی استفاده و کارایی این روشها بر قطعه بندی داده ها به روش گسترش ناحیه بررسی شده است. این روند بر روی دو دسته داده با ساختار متفاوت اعمال شده و نتایج طبقه بندی پس از اعمال روشهای انتخابی، مورد ارزیابی و بحث قرار گرفته است. به طور کلی نتایج نشان میدهد که روش شبکه بندی وکسل با وجود بهبود سرعت قطعه بندی، در مجموعه داده های با ساختار متفاوت، عملکرد متفاوتی داشته ولی روش حذف آماری با حذف نویز در دو مجموعه داده، منجر به بهبود قطعه بندی شده و نتایج قابل قبولی ارائه کرده است.

کلیدواژه ها:

ابرنقطه ، فیلترینگ ، روش شبکه بندی وکسل ، روش حذف آماری ، قطعه بندی.