Hasil Pencarian  ::  Simpan CSV :: Kembali

"Segmentasi tekstur citra memegang peranan penting dalam menganalisa suatu citra, karena pada proses ini terjadi pembedaan variasi intensitas (pada citra kromatik) atau variasi tingkat keabuan (pada citra akromatik) pada pixel-pixel kromatik) atau variasi tingkat keabuan (pada citra akromatik) pada pixel-pixel yang menyusun citra. Dalam hubungannya dengan sistem komunikasi visual, analisa suatu citra memberikan informasi mengenai karakteristik-karakteristik citra yang tidak dapat diamati oleh sistem visual manusia.Pada sistem visual manusia, peristiwa segmentasi tekstur citra tedadi di bagian korteks visual. Pada bagian ini terdapat sekumpulan saraf yang berfungsi sebagai kumpulan filter yang memproses informasi-informasi yang terdapat pada citra, yaitu dalam hal ini membagi citra ke dalam segmen-segmen tekstur yang mempunyai karakteristik tertentu. Filter-filter ini bekerja berdasarkan karakteristik spatial yang terdapat pada konsep psychovisual, yaitu frekuensi spatial clan sudut orientasi.Teknik yang biasa dipakai untuk merepresentasikan proses filter pada mekanisme sistem konteks visual manusia adalah Multichannel Spatial Filtering Model (MSFM) yang menggunakan fungsi elementer Gabor sebagai fungsi filter pada kawasan spatial (spatial domain).Metode inilah yang diterapkan dalam simulasi segmentasi tekstur citra pada makalah skripsi ini. Hasil simulasi akan menunjukkan bahwa penerapan frekuensi spatial tertinggi pada filter akan memberikan segmen citra terbaik. Sedanl~kan penerapan sudut orientasi akan memberikan hasil segmen tekstur yang tergantung pada struktur dari tekstur citra asalnya. Sudut orientasi 0° akan sesuai untuk struktur tekstur yang dominan horisontal, sedangkan sudut orientasi 90° akan sesuai untuk struktur tekstur yang dominan vertikal. Sudut orientasi 45° dan 135° memberikan hasil segmen yang sama dan sesuai untuk keperluan pengenalan tekstur citra secara umum."

"Pada penelitian ini akan diterapkan sistim visi komputer terhadap contoh maket pemandangan suatu daerah, yang terdiri dari beberapa jenis kelas pola, misalnya tanaman, air, perumahan, dan sebagainya. Data citra pemandangan tersebut direkam oleh suatu sistim akuisisi memakai kamera video CCD-warna yang mengandung informasi digital dalam tiga kanal spektrum elektromagnetik.Yang akan diselidiki adalah bagaimana jenis-jenis pola tersebut dapat diklasifikasikan oleh suatu sistim perangkat komputer cerdas berbantuan jaringan syaraf tiruan dan logika fuzzy, sehingga hasilnya dapat tervisualisasi ''serta memberikan unjuk- kerja klasifikasi yang cukup .memadai dibandingkan dengan metode-metode yang telah lazim digunakan, seperti multiple density slicing, nearest neighbor, dan maximum likelihood.Aspek penelitian.ini adalah bahwa kalau sistim tersebut berhasil, maka baik metode maupum perangkat yang dibuat dapat dikembangkan untuk teknik penginderaan jauh, aplikasi medis, kontrol kualitas dengan.pemeriksaan oleh mesin komputer, dsb.Unjuk kerja metode klasifikasi dinyatakan oleh prosentasi kebenaran pada-suatu tabel yang menyatakan distribusi pengkategorian obyek ke dalam kelas yang telah ditentukan sebelumnya. Pengecekkannya langsung dilakukan dengan maket yang dibuat, sehingga beberapa pengamatan lapangan dari berbagai sudut pandang serta ketinggian dapat diatur sebaik-baiknya guna melengkapi hasil-hasil percobaan. Disamping itu hasil klasifikasi yang bertipe peta tematik disertai legends yang sesuai, dapat ditampilkan atau divisualisasikan pada layar monitor SVGA.

---

In this research, it is applied a computer vision system to an image which is consisting of several objects patterns. from an artificial maquette scene which had been taken by a color CCD camera. Due to object's responses in several electromagnetic waves are different to each other, then the 'recorded image can be splitted into three different color channels, i.e. blue, green, and red.

The research will investigate how to classify the above patterns. by using' an. intelligent computer system such as neural networks and fuzzy logic in order to obtain a reasonable performance compared with the available conventional classification system such as multiple density slicing, nearest. neighbor, and maximum likelihood.

The aspect of research is that the designed method -if successful- may be developed-to be applied to remote sensing technology, medical application, quality control by machine inspection, etc.

The classification performance is represented by percentage of correct on a truth table, which is reflected the distribution of object's category to a predetermined category. The direct observation can easily be done on the available maquette, so the several looking angles and height can be arranged to accomplish the experimental results. Beside it, the classification results will be represented on a thematic map with suitable legends to be visualized on a SVGA color monitor."

"Identifikasi wajah berdasarkan ciri bibir berpengaruh pada keberhasilan pencarian citra wajah orang dikarenakan adanya variasi bentuk bibir yang dapat menjadi pembeda tiap individu. Untuk mempercepat pencarian pelaku kriminal, sebuah sistem aplikasi identifikasi wajah berdasarkan ciri bibir menjadi suatu kebutuhan. Sistem tersebut harus dapat mengekstrak ciri bibir dari sebuah citra digital menggunakan metode ekstraksi ciri yang akurat dan cepat.Penelitian ini melakukan studi analisis kinerja metode eigenface dengan eigen fuzzy set (himpunan fuzzy eigen) untuk ekstraksi ciri bibir dalam sistem identifikasi wajah. Eigenface adalah metode ekstraksi ciri yang telah terbukti keberhasilannya dalam mengekstrak ciri wajah, sedangkan metode eigen fuzzy set dikembangkan berdasarkan teori himpunan fuzzy dan dapat digunakan untuk analisa citra. Metode deteksi bibir otomatis berdasarkan ciri warna juga dievaluasi efektifitasnya untuk perolehan citra dalam penelitian ini. Analisis dilakukan dengan metode analisis statistik desktiptif dan statistik inferensi. Uji coba dilakukan untuk dua skenario yang dibedakan berdasarkan citra bibir hasil segmentasi manual dan otomatis.Hasil uji coba menunjukkan bahwa hasil deteksi otomatis hanya efektif mendeteksi bibir sebanyak 61.4% dan precision-recall perolehan wajah pada skenario 2 lebih rendah dari skenario 1. Metode eigen fuzzy set memiliki waktu komputasi lebih rendah dibandingkan metode eigenface. Sedangkan nilai precision-recall tertinggi dihasilkan oleh metode eigenface dengan rata-rata nilai 0.22%. Dari hasil ini disimpulkan bahwa metode ekstraksi ciri eigenface lebih efektif dibandingkan eigen fuzzy set. Sistem identifikasi wajah dengan metode eigenface untuk ekstraksi ciri kedepannya dapat dikembangkan menjadi sistem identifikasi wajah berbasis komponen wajah."