Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 152626 dokumen yang sesuai dengan query
cover
Aryuanto Soetedjo
"Penelitian ini membahas teknik segmentasi warna berbasis RGB Chromaticity Diagram ternormalisasi, untuk ekstraksi simbol dan karakter pada citra rambu lalu lintas. Teknik yang diusulkan adalah memisahkan warna biru pada latar belakang rambu petunjuk lalu lintas. Hal tersebut dilakukan dengan memanfaatkan histogram yang dikembangkan pada diagram kromatisitas untuk penentuan nilai ambang segmentasi secara otomatis. Selain itu, teknik morfologi citra dan proyeksi histogram digunakan untuk ekstraksi simbol dan karakter. Dari hasil eksperimen diperoleh bahwa teknik yang diusulkan dapat mengekstrak simbol dan karakter dengan rata-rata ekstraksi 97.3%.

This research describes a normalized color segmentation technique based on RGB Chromaticity Diagram, for the extraction of symbols and characters in the image of the traffic signs. The proposed technique is to separate the blue color of the background traffic signs. This is done by using a histogram that was developed in the chromaticity diagram for the determination of the threshold value segmentation automatically. In addition, the image morphology technique and projection histogram are used for the extraction of symbols and characters. From the experimental results obtained that the proposed technique can extract symbols and characters with an average extraction is 97.3%."
Malang: Fakultas Teknik Elektro, 1Jurusan Teknik Elektro Institut Teknologi Nasional (ITN) Malang, 2010
AJ-Pdf
Artikel Jurnal  Universitas Indonesia Library
cover
Wiranto Sadono
"ABSTRAK
Jakarta selain sebagai ibu kota negara juga sebagai pusat perdagangan dan kota untuk kunjungan pariwisata sehingga hal tersebut membuat banyak orang baik dari luar Jakarta maupun dari luar negeri untuk datang ke Jakarta dengan banyak kepentingannya.
Aspek terpenting untuk mendukung hal tersebut adalah adanya jalur - jalur transportasi terurama jalur transportasi darat yang mendukung sehingga membuat para pengemudi ataupun para pengguna jalan dapat dengan mudah untuk menjangkau lokasi - lokasi yang dikehendaki.
Jalan - jalan di Jakarta dalam hal teknis terutama untuk konstruksinya umumnya sudah memenuhi standard tetapi untuk hal yang lainnya kurang mendapat perhatian dan divas Lalu lintas jalan raya yaitu mengenai Petunjuk Jalan bagi para pengguna jalan atau yang disebut Rambu rambu lalulintas petunjuk jalan (Possitive Guidance). Rambu- rambu petunjuk jalan adalah terpenting karena jalan tanpa adanya ""Possitive Guidance"" yang benar akan sering membuat para pengguna jalan kebingungan atau bahkan dapat tersesat sehingga pengguna jalan tidak dapat sampai ke tempat yang dituju.
Pada penyusunan tugas akhir ini penulis membahas tentang rambu-rambu petunjuk jalan yang ada pada wilayah Jakarta Timur dan Jakarta Pusat, sedangkan evaluasi yang penulis gunakan adalah dalam segi teknis yaitu berdasarkan jarak pandangan henti atau ""Stoping Sight Distance"" dan juga berdasarkan desain kriteria. Dari analisa tersebut akan dapat diketahui tentang keadaan rambu tersebut apakah memang tepat dalam penempatannya ataukah tidak.

"
2000
S35627
UI - Skripsi Membership  Universitas Indonesia Library
cover
"Pengenalan rambu lalu-lintas merupakan salah satu tugas yang harus dilaksanakan oleh sebuah mobil pintar_ Pada kondisi jalan sebenarnya, masalah yang dihadapi akan meliputi bervariasinya kuat cahaya, perubahan skala rambu karena perubahan jarak, dan adanya noise pada rambu. Sebuah sistem pengenalan rambu yang baik akan dipersiapkan untuk mengatasi masalah-masalah tersebut. Pada Skripsi ini, dicoba untuk merancang sebuah sistem pengenalan rambu yang dipersiapkan untuk berhadapan dengan masalah-masalah di atas. Sistem ini masih bersifat off-line. Citra yang dipakai adalah citra basil pemotretan, sedangkan keluaran berupa pengenalan jenis rambu. Rambu yang dikenali dibatasi hanya yang tepinya berwarna merah saja. Untuk mengatasi masalah bervariasinya kuat cahaya, segmentasi rambu dari lingkungan memakai basis sistem wama HSI. Sistem warna ini mendeskripsikan sebuah warm dalam 3 komponen terpisah. Hue dipakai untuk menyatakan wama dominan yang dilihat pengamat, saturasi menyatakan kemurnian relatif dari warna tersebut, atau jumlah warna putih yang tercampur dengan kue tersebut, sedangkan kuat Iemahnya cahaya dinyatakan dalam intensitas. Pengenalan bentuk dan citra rambu yang sudah tersegmentasi dilakukan oleh jaringan saraf tiruan (ANN T Artificial Neural Networks). Jaringan yang dipakai berupa jaringan bertingkat antara Kohonen dan Propagasi Balik (Backpropagation). Modus kerja jaringan Kohonen adalah unsnpervis-ed, sedangkan Propagasi Balik bersifat supervised. Penggabungan keduanya diharapkan memberikan kineda yang lebih balk. Agar fungsi ANN hanya kepada pengenalan bentuk dan bukan warna rambu, maka citra rambu tersegmentasi diubah terlebih dahulu menjadi citra monokrom. Selanjutnya dilakukan proses penghalusan (smoothing) terhadap citra monokrom untuk memperbaiki kualitas citra. Ekstraksi eiri masukan ke ANN dilakukan dengan teknik ekstraksi ciri spektrum daya Fourier."
Fakultas Teknik Universitas Indonesia, 1997
S38867
UI - Skripsi Membership  Universitas Indonesia Library
cover
cover
Muhammad Zidny Naf`an
"[ABSTRAK
Penelitian mengenai segmentasi karakter merupakan proses awal dalam melakukan analisis isi naskah manuskrip Jawa. Segmentasi karakter pada citra naskah sangatlah penting untuk proses transliterasi naskah beraksara Jawa menjadi huruf Latin secara otomatis oleh komputer.
Kertas pada naskah sudah rapuh dikarenakan umur naskah yang tua sehingga menyebabkan kontras yang rendah dan munculnya noise antara teks dan background. Serta warna tinta yang sudah memudar berpengaruh pada kontras karakter pada naskah. Dimungkinkan juga terjadi ambigu hasil segmentasi karakter dikarenakan adanya keanekaragaman ukuran karakter dan adanya jarak spasi pada satu karakter.
Langkah-langkah segmentasi karakter yang dilakukan dalam penelitian ini adalah image acquisition, Gaussian filtering, binerisasi citra dengan algoritma Wolf-Jolion, segmentasi baris dengan metode vertical profile projection (VPP) dan Radon transform serta rule deteksi objek dengan connected component analysis, kemudian segmentasi karakter dengan metode horizontal profile projection.
Evaluasi segmentasi baris dilakukan dengan perhitungan nilai hit rate untuk empat kriteria, yaitu Correct untuk hasil yang benar, Line Including Outlier Script (LIOS) untuk hasil segmentasi yang memiliki aksara dari baris lain, Truncated Line (TL) untuk baris yang terpotong, dan Mix (LIOS+TL) untuk baris yang memiliki aksara dari baris lain dan juga terpotong. Hasil segmentasi baris yang benar (Correct) dengan metode VPP adalah 0.77 dan dengan metode Radon transform adalah 0.8. Hal ini dikarenakan perhitungan jumlah piksel hitam pada Radon transform berdasarkan sudut tertentu, sedangkan pada VPP perhitungan jumlah piksel hitam hanya berdasarkan satu baris saja.
Evaluasi hasil segmentasi karakter dilakukan dengan perhitungan nilai hit rate untuk dua kriteria, yaitu Readable untuk karakter yang dapat dibaca dan Unreadable untuk karakter yang tidak terbaca. Hasil segmentasi karakter dengan citra baris hasil dari vertical profile projection adalah 0.60245 dan nilai hit rate hasil segmentasi karakter dengan citra baris dari Radon transform adalah 0.60036. Hasil segmentasi karakter dengan input citra baris hasil segmentasi Radon transform hasilnya lebih rendah dikarenakan terdapat beberapa hasil segmentasi baris yang tumpang tindih (2 baris tersegmentasi menjadi 1 baris). Sehingga horizontal profile projection gagal dalam melakukan identifikasi lokasi karakter pada baris tersebut.;

ABSTRACT
Research on the segmentation of character is the initial process in conducting an analysis of the Javanese manuscript. Character segmentation in the image of a manuscript is essential to the process of transliterating Javanese script into Latin characters automatically by computer.
Paper on a manuscript already fragile due to age old script causing the low contrast and the emergence of noise between text and background. As well as the color of the ink that's been fading effect on contrasting characters in the script. It is possible occur ambiguous character segmentation results due to the diversity of character size and distance of space on a single character.
Segmentation character steps that are undertaken in this research are image acquisition, Gaussian filtering, image binarization with Wolf-Jolion algorithm, segmentation line with a method of vertical profile projection (VPP) and Radon transform and the rule detection of objects by connected component analysis, then segmentation characters by horizontal profile projection method.
The evaluation of the segmentation of the line carried out by calculation the hit rate to four criteria , that is Correct for result right, Line Including Outlier Script (LIOS) for the results of the segmentation of having script of the other line, Truncated Line (TL) for line truncated, and Mix (LIOS + TL) for line having script of the other line and also cut off. The results of segmentation line are properly (Correct) by VPP method is 0.77 and with Radon transform method is 0.8. It was because the calculations the number of pixels black on radon transform based on certain angles while in VPP calculating the number of black pixels only on one line.
Evaluation of the results of the segmentation of the character performed with calculation of the value of a hit rate to two criteria namely Readable for characters that can be read and Unreadable for the character of being illegible. The results of the segmentation of character with the line images result of the vertical profile projection is 0.60245 and hit rate value as results of the segmentation of character with the line images result of the Radon transform is 0.60036. The results of the segmentation of character with the line images result of the Radon transform more low because there are the outcome of several segmentation lines that overlap (2 lines segmented become a single line). So that horizontal profile projection fail in doing identifying location of the characters on the line.
, Research on the segmentation of character is the initial process in conducting an analysis of the Javanese manuscript. Character segmentation in the image of a manuscript is essential to the process of transliterating Javanese script into Latin characters automatically by computer.
Paper on a manuscript already fragile due to age old script causing the low contrast and the emergence of noise between text and background. As well as the color of the ink that's been fading effect on contrasting characters in the script. It is possible occur ambiguous character segmentation results due to the diversity of character size and distance of space on a single character.
Segmentation character steps that are undertaken in this research are image acquisition, Gaussian filtering, image binarization with Wolf-Jolion algorithm, segmentation line with a method of vertical profile projection (VPP) and Radon transform and the rule detection of objects by connected component analysis, then segmentation characters by horizontal profile projection method.
The evaluation of the segmentation of the line carried out by calculation the hit rate to four criteria , that is Correct for result right, Line Including Outlier Script (LIOS) for the results of the segmentation of having script of the other line, Truncated Line (TL) for line truncated, and Mix (LIOS + TL) for line having script of the other line and also cut off. The results of segmentation line are properly (Correct) by VPP method is 0.77 and with Radon transform method is 0.8. It was because the calculations the number of pixels black on radon transform based on certain angles while in VPP calculating the number of black pixels only on one line.
Evaluation of the results of the segmentation of the character performed with calculation of the value of a hit rate to two criteria namely Readable for characters that can be read and Unreadable for the character of being illegible. The results of the segmentation of character with the line images result of the vertical profile projection is 0.60245 and hit rate value as results of the segmentation of character with the line images result of the Radon transform is 0.60036. The results of the segmentation of character with the line images result of the Radon transform more low because there are the outcome of several segmentation lines that overlap (2 lines segmented become a single line). So that horizontal profile projection fail in doing identifying location of the characters on the line.
]"
[, ], 2015
T-Pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Moses Jefferson Irawan
"Skripsi ini membahas analisis perbandingan dua sistem pengenalan rambu lalu lintas yaitu menggunakan metode Generative Learning (GL) dan Support Vector Machine (SVM). GL merupakan metode pengenalan yang baru dikembangkan di mana sampel training dihasilkan dengan memvariasikan sampel yang ada berdasarkan parameter tertentu sehingga dapat mempermudah pembuatan citra untuk training serta dapat memberikan hasil pengenalan yang lebih baik. SVM merupakan metode pengenalan yang telah banyak digunakan dan menggunakan karakteristik vektor untuk memisahkan objek dari latar belakangnya. Sambil berjalan, rambu-rambu lalu lintas direkam oleh kamera video di atas kendaraan bermotor yang hasil rekamannya dianalisis menggunakan kedua metode tersebut. Hasil pengenalan rambu lalu lintas yang dianalisis dalam beberapa kondisi seperti jumlah sampel training, resolusi video, tingkat kecerahan sekitar, dan kecepatan kendaraan kemudian dibandingkan dan dianalisis tingkat akurasinya. Dari hasil percobaan didapat bahwa akurasi pengenalan metode GL lebih baik dibandingkan SVM yaitu dengan persentase masing-masing 95,56% dan 94,67%.

This thesis discusses the comparative analysis of two traffic signs recognition system using Generative Learning (GL) and Support Vector Machine (SVM) methods, respectively. GL is a newly developed method in which the training samples are generated by varying samples based on certain parameters which makes it easier to the training images and produce better recognition result. SVM is a method that has been widely used which uses vector characteristics to separate objects from its background. Traffic signs are recorded using a video camera in a moving motorcycle and videos of them are analyzed using both methods. The accuracy of recognition results will be compared under some conditions, such as the number of training imageries, video resolutions, and lighting conditions, and vehicle’s speed. Recognition results showed that GL has better accuracy than SVM, with percentage of 95.56% and 94.67%, respectively."
Depok: Fakultas Teknik Universitas Indonesia, 2013
S46771
UI - Skripsi Membership  Universitas Indonesia Library
cover
cover
Dhani Elevani
"Pendeteksfan wajah mamtsia merupakan proses dasar dari ap!ikasi yang lebih lua.v, seperti pengenalan wajah, pengenalan ekspresi, pelacakan wajah, estimasi pose, dan pengenalcm isyarat tubuh. Berbagai metode tclah diterapkan untuk melakukan pcndcteksian wajah. salah satunya adafah dengan memanjaatkan infonnasi wama. Warner kulit manusia dar/ berbagai ras tidak jauh berbeda. Perbedaan lehih hanyak terdapai pada intensitas. Karakterisiik ini dapat dimanfaatktm U1tlttk memhuat sebuah model warna kulit yang merepresentasikan wama kulit manusia dalam chromatic color space.
Model warna kulit ini digunakan untuk melakukan segmemasi antara skin region dengan non-skin region da!am sualu gambar berwama. Bagian yang diproses lebih fanjut untuk mendeteksi wajah adalah skin region, melalui metode template matching. Tiga huah persyaratan ditetapkan untuk menyelck'ii skin region yang ada, yaitu jumlah luhang dalam satu region, rasio tinggi terhadcrp Iebar region, dan koejisien kare/asi silang antara region yang dianaU.va dengan template face. Region yang memenuhi ketiga persyaratcm ini diidentifikasi sehagai wajah manusia. Hasil simu!asi memmjukktm hahwa ketiga perjyaratan tenebut berperan cukup balk dalam menyeleksi setiap skin region yang akan diidentifikaslkan sehagai wajah manusia, sedangkan keberhasllan deteksi tersehut."
Depok: Fakultas Teknik Universitas Indonesia, 2002
S39601
UI - Skripsi Membership  Universitas Indonesia Library
cover
Hobbs, F.D.
Yogyakarta: Gadjah Mada University Press, 1995
388.31 HOB p
Buku Teks  Universitas Indonesia Library
cover
Djajoesman
Bandung: [publisher not identified], 1976
363.23 DJA p
Buku Teks  Universitas Indonesia Library
<<   1 2 3 4 5 6 7 8 9 10   >>