ارزيابي كارايي روش هاي فيلترينگ بر عملكرد خوشه بندي ابر نقطه سه‌بعدي

امروزه با توسعه ي ليزر اسكنر ها، استفاده از ابرنقطه براي مدل سازي سه بعدي اشيا، به يكي از مباحث مهم تحقيقاتي در حوزه سنجش از دور و فتوگرامتري تبديل شده است. گام اوليه و مهم در استفاده از اين تكنولوژي، آماده سازي و پيش پردازش هاي مربوط به ابرنقطه مي باشد. از جمله متداول ترين فرآيند‌‌هاي پيش‌پردازش در مجموعه ابرنقطه، استفاده از روش هاي فيلترينگ است. در پژوهش حاضر تاثير اعمال انواع روش هاي فيلترينگ بر نتايح حاصل از قطعه بندي داده هاي ابر نقطه بررسي شده است. روش هاي فيلترينگ دو دسته كلي كاهش تراكم و حذف نويز را شامل مي شود. به اين منظور از دو روش متداول و پركاربرد شبكه بندي وكسل و روش حذف آماري براي پيش پردازش داده هاي ورودي استفاده و كارايي اين روش ها بر قطعه بندي داده ها به روش گسترش ناحيه بررسي شده است. اين روند بر روي دو دسته داده با ساختار متفاوت اعمال شده و نتايج طبقه‌بندي پس از اعمال روش هاي انتخابي، مورد ارزيابي و بحث قرار گرفته است. به طور كلي نتايج نشان مي‌دهد كه روش شبكه‌بندي وكسل با وجود بهبود سرعت قطعه بندي، در مجموعه داده هاي با ساختار متفاوت، عملكرد متفاوتي داشته ولي روش حذف آماري با حذف نويز در دو مجموعه داده، منجر به بهبود قطعه بندي شده و نتايج قابل قبولي ارائه كرده است.