Hasil Pencarian  ::  Simpan CSV :: Kembali

"Citra tipikal hitam-putih merupakan citra kontinyu karena gray level shade-nya bcrgabting secara kontinyu dalam intensitas dan spatiality.Dalam suatu pemrosesan citra dilakukan proses kuantisasi, dimana citra terkuantisasi tidak kontinyu, namun tersusun dari piksel diskrit.Resolusi citra didefinisikan sebagai kemampuan untuk memproduksi citra dengan kualitas visual dan dapat dibandingkan dcngan citra kontinyu aslinya. Diperlukan jumlah piksel nicmadai untuk penampilan kontinyu spasial dan juga jumlah gray level untuk penampilan depth of field dan kontras. Piksel merupakan elemen utama dalam resolusi citra diskrit.Dalam tesis ini diusulkan peningkatan resolusi citra untuk pencitraan medik memakai Filter Infinite Impulse Response. Tiga teknik peningkatan resolusi citra yang dikenal, masing-masing : (1) Pendekatan frekuensi/Fast Fourier Transform dari teorema sampling, (2) Pendekatan spasial memakai fungsi interpolasi; dan (3) pendekatan alternatif memakai Infinite Impulse Response Filter (mirip dengan pendekatan FFT, namun lebih mudah dalam pelaksanaan).Peningkatan resolusi citra melalui FFT dilakukan dengan, pertama, memakai sifat spektrum yang akan cepat mcnurun akibat meningkatnya frekuensi dan kedua, memakai teorema sampling untuk obyek oversumpled.Peningkatan resolusi citra memakai interpolasi spasial dilakukan dengan mengkonvolusikan citra yang sudah diekspansi 2 N x 2 N dengan operator interpolasi. Hasilnya tampak agak buram, namun hal ini dapat di-deblur memakai high pass filter.Peningkatan resolusi citra memakai Infinite Impulse Response fitter, meningkatkan ukuran citra melalui replikasi piksel dan garis horisontal. Effeknya, terjadi peningkatan perioda sampling pada arah horisontal maupun vertikal. Pendekatan ini sama dengan pendekatan FFT dan langkah-langkah tersebut di atas sama dengan menerapkan fungsi interpolasi square.Kualitas citra yang dihasilkan sama dengan pada pendekatan FFT.

---

Typical black and white images are called continuous - tone images because the shade of gray level blend continuosly both in intensity (level) and spatiality (area). The quantized images is not continuous, but is composed of discrete pixels with each having a discrete gray level assigned to it. Image resolution may be defined as the ability to reproduce images with a visual quality that is comparable to the continuous-tone original.This requires a suffient number of pixels to give the appearance of spatial continuity and a sufficient number of gray levels to give the appearance of depth and contrast. The pixel is the basic element.of picture resolution in the discrete pixel system.In the next discussion, three means of doubling image resolution are compared respectively ; (1) The Fast Fourier Transform Frequency approach of the sampling theorem, (2) through spatial approach using interpolation functions; and (3) an alternative approach using Infinite Impulse Response filter, which is similiar to the FFT approach, but much simpler to implement.Doubling image resolution through FFT are implemented by using, first, the rapidly decreasing spectrum with increasing frequency and second, the whittakershannon sampling theorem for oversampled objects.Doubling using spatial interpolation are held by convolving the stretched 2 N x 2 N image with an interpolation operator. The result is slightly blurry, it is, however, possible to deblur through high-pass filtering.Doubling image resolution using Infinite Impulse Respons filter, double the image size by replication of pixels and horizontal lines this has the effect of increasing the horizontal and vertical sampling periods to twice their values. The approach is similar to the FFT approach and the step mentioned above is equivalent to applying the square interpolation function. The enlarged image obtained should be similar to the one obtained from the FFT approach."

"This dissertation describes the synergy use of remote sensing data from multi-temporal and multi sensor (optical and radar) for improving our understanding of the land-cover structural phenomena. A tropical country like Indonesia has a high cloud coverage throughout the year with a maximum during the rainy season, and hence the availability of cloud-free optical images is minimal. To solve this problem, radar images have been intensively introduced. The radar images are cloud-free but their use is hampered due to their speckle noise and topographic distortions, and the lack of a suitable radar image classification system. In many cases, the use of optical or radar image alone is not sufficient. Therefore, the main objectives of this research are: (i) to develop a framework for multi date and multi sensor (optical and radar) image classification; (ii) to solve the cloud cover problem in optical images; and (iii) to obtain a more consistent image classification using multi date and multi sensor images. We have proposed a framework for multi date and multi sensor image classification based on a uniform image classification scheme. The term uniform means that the same procedure can be used to classify optical or radar images, low-level mosaic or fused images, single or multiple feature images. To be able to conduct a multi temporal and multi sensor analysis, we have unified the optical and radar image classification procedure after finding that both optical and radar images consist of homogeneous and textured regions. A region is considered as homogeneous if the local variance of gray level distribution is relatively low, and a region is considered as textured if the local variance is high. We used a multivariate Gaussian distribution to model the homogeneous part and a multinomial distribution to model the gray level co-occurrences of the textured part, and applied a multiple classifier system to improve the classification accuracy. The main advantages of the uniform classification scheme are as follow. First, we can tune the homogeneous-textured threshold value parameter in order to obtain an optimal result by allowing the classifier working as a single (conventional) or multiple classifier system. The classifier can have a better or at least the same classification accuracy as the conventional one. Second, we can use either single-band or multi-band input images. This will make it possible to classify a. radar image based on multi-model texture feature images or to classify multi spectral optical images. Third, we can use the same procedure to classify any input images. Compared to the conventional classifiers, the multiple classifier system can improve the classification result from 0% to 20% for radar images and from 0% to 2% for optical images. The proposed framework incorporates the image mosaicking and data fusion at the low-level stage (before the classification process) as well as at the high-level stage (after the classification process). For cloud cover removal, the image mosaicking at the low-level stage is usually done using multi temporal optical images, whereas mosaicking at the high-level stage is applied to the classified optical and radar images. To be able to obtain a cloud-free image, we have modified the existing Soofi and Smith algorithm which is using multi temporal optical images to an algorithm using multi sensor images. In the high-level data fusion, we have also been able to incorporate a mechanism for cloud cover removal by omitting the information from the optical sensor and using only the information from the radar sensor. According to a case study in our experiment, the cloud cover removal and image classification using the low-level image mosaicking, the high-level image mosaicking, and the high-level data fusion gave 80.2%, 76.2%, and 80.5% classification accuracy, respectively. The high-level data fusion combines the decisions from several input images to obtain a consensus of classified image. We have applied both the maximum joint posterior probability and the highest rank method for the decision combination functions. We have utilized two existing data fusion methods and have proposed an alternative data fusion method based on the compound conditional risk. According to the experimental results, the decision combination function based on the maximum joint posterior probability favors the optical feature image, while the highest rank method favors the radar feature image. The preference of using the maximum joint posterior probability results in the domination of optical features in the fusion result, and the classification accuracy of the fused image can be better 8.5% in average than the individual radar classified image."

"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."

"Tesis ini membahas proses klasifikasi citra berdasarkan analisis tekstur. Penganalisaan tekstur menggunakan cara pendekatan statistik. Pertama akan dikenalkan konsep unit tekstur sebagai unit terkecil yang mempunyai sifat-sifat tekstur secara lengkap. Sifat-sifat tersebut menyangkut hubungan suatu pixel dengan 8 pixel di sekelilingnya. Kemudian akan ditunjukkan bagaimana suatu tekstur dapat dipecah menjadi himpunan unit tekstur, dan kemudian bisa dibuat distribusinya berdasarkan jenis tekstur dalam citra tersebut, sehingga didapat hasil spektrum tekstur.Klasifikasi dilakukan secara terawasi dan dengan ciri histogram spektrum tekstur. Ketelitian rata-rata klasifikasi ini, 96% untuk tekstur regular, 56% untuk tekstur alami radar, 55% untuk tekstur citra LANDSAT, dan 66% untuk tekstur Brodatz.Hasil pengukuran ciri tekstur BUS. GS dan DD pada beragam citra di atas yang digambarkan dalam bentuk diagram ciri menunjukkan bahwa ketiga ciri ini dapat digunakan sebagai pembeda tesktur."

"Kualitas permukaan produk hasil proses pemesinan adalah salah satu parameter penting dalam proses manufaktur. Metode yang paling umum untuk mengukur nilai kekasaran permukaan adalah metode kontak mekanik antara pergerakan jarum dengan permukaan produk. Metode ini memiliki banyak kelemahan karena bisa merusak permukaan poduk dan cenderung lama. Untuk itu maka dikembangkan teknologi optik-elektrik yang mampu mengevaluasi kekasaran permukaan berdasarkan image hasil identifikasi kamera digital.Penelitian ini bertujuan untuk mengidentifikasi fitur permukaan produk hasil pemesinan turning dan melakukan analisa korelasi dengan nilai kekasaran rata-ratanya (Ra). Material yang diuji adalah carbonsteel dengan diameter 20 mm dan panjang 100 mm sejumlah 10 sampel. Pengukuran kekasaran rata-rata (Ra) memakai stylus-profile meter. Identifikasi profil permukaan menggunakan kamera digital Canon EOS 350D yang terhubung pada mikroskop dengan perbesaran 100 kali. Pencahayaan yang digunakan adalah 10 buah LED warna putih dengan sudut pencahayaan sebesar 45°. Software yang digunakan untuk melakukan image processing adalah Matlab.Hasil yang dicapai menunjukan adanya pola yang khas pada image berupa garis hitam dan putih yang bervariasi. Lebar garis putih, jarak antar garis putih dan grafik histogram warna menunjukan adanya korelasi dengan nilai kekasaran rata-ratanya.

---

Surface quality of machined-part is an important parameter in manufacturing process. Recently, measuring of surface roughness is commonly performed by mechanical contact between stylus and product surface. However, this method is not fast enough and can potentialy damage the product. Therefore, a different method, which is used here, relied on optic-electric relationship has been developed based on digital camera images.

The objective of current study is to identify the surface features of turned-parts machining and their correlation with respect to Roughness average (Ra) of stylus-profile meter. Ten samples of carbonsteel specimen, i.e., 100 mm length and 20 mm wide, are used during experiment. The identification of surface features is done by Canon EOS 350D digital camera and 100 times microscope magnification using 10 white LED and 45 degrees angle lighting. Sample images produced by the identification is then processed in Matlab.

Finally, a unique pattern, i.e., black and white line, can be observed on the processed images which indicates correlation with roughness average."

"Penyakit kanker payudara merupakan salah satu penyakit mematikan bagi para wanita dewasa yang diakibatkan oleh tumor ganas. Untuk melakukan pendeteksian dini tumor pada daerah payudara, dilakukan kegiatan mamografi yang dapat mendeteksi benjolan pada payudara bahkan untuk ukuran yang kecil. Citra mamogram dari kegiatan mamografi tidak hanya menampilkan jaringan yang dicurigai sebagai kanker, tetapi menampilkan jaringan-jaringan lainnya yang terdapat pada organ payudara seperti jaringan pembuluh darah dan kelenjar air susu dengan bentuk curvilinear yang sulit dipisahkan dari wilayah sel kanker.Pada Tugas Akhir ini dilakukan dua jenis modifikasi metode pengeliminasi struktur curvilinear dari citra yang diajukan oleh Sheshadri dan Kandaswamy. Metode pertama hasil modifikasi adalah pendeteksian dan penghilangan struktur curvilinear yang dilakukan sebelum segmentasi thresholding berlangsung, sedangkan metode kedua hasil modifikasi adalah metode segmentasi thresholding yang dilakukan sebelum pendeteksian dan penghilangan struktur curvilinear.Dari kegiatan analisis hasil eksperimen yang dilakukan secara visual pada dua belas mamogram, diketahui bahwa suatu nilai thresholding tidak dapat digunakan secara masal untuk seluruh mamogram karena nilai yang dapat memberikan hasil yang baik pada suatu mamogram belum tentu dapat digunakan pada mamogram lainnya. Selain itu, kegagalan pendeteksian dapat terjadi apabila jaringan penghalang wilayah kanker tidak memiliki struktur curvilinear, tetapi merupakan suatu region.Penerapan metode kedua, segmentasi thresholding yang dilakukan sebelum kegiatan pendeteksian dan penghilangan struktur curvilinear berlangsung, memiliki angka keberhasilan pendeteksian struktur yang dicurigai sebagai kanker yang lebih besar dibandingkan metode pertama karena proses thresholding dilakukan dengan melibatkan nilai gray level dari mamogram asal, bukan mamogram hasil pengolahan citra seperti pada metode pertama."

"Masalah yang biasa terjadi dalam pembuatan sistem pengenalan wajah adalah jumlah dimensi yang terlalu besar untuk diproses ke dalam classifier, sehingga biaya komputasi yang dibutuhkanpun akan semakin besar pula. Penelitian berikut mencoba untuk mereduksi dimensi dalam ruang spatial akan tetapi dari hasil reduksi dimensi ini tidak membuat proses ekstraksi fitur kehilangan informasi penting yang mengakibatkan penurunan akurasi pengenalan.Reduksi dimensi dalam ruang spatial ini didapatkan dengan cara membangkitkan sejumlah garis pada data citra secara acak. Ada dua metode dalam membangkitan garis yaitu Fitur Garis Acak (FGA) dan Template Fitur Garis Acak (TFGA). Pada FGA, sejumlah garis dibangkitkan pada seluruh data citra secara acak. Sedangkan TFGA, sejumlah garis dibangkitkan hanya satu kali saja dan himpunan garis ini yang akan digunakan untuk membangkitkan garis pada data citra yang lain. Dari masing-masing garis ini dibangkitkan sejumlah spatial window. Vektor representasi citra didapatkan dari rata-rata intensitas yang terdapat pada spatial window tersebut. Vektor representasi citra ini akan dijadikan fitur untuk classifier. Classifier yang digunakan adalah k-nearest neighborhod dan backpropagation sebagai pembanding.Dari hasil percobaan menggunakan database weizmann, didapatkan bahwa pengenalan akan lebih stabil jika metode untuk membangkitkan garis adalah TFGA. Selain stabil dengan metode TFGA ini akurasi pengenalan lebih baik dibandingkan dengan metode FGA pada jumlah garis yang sama. Pada jumlah garis yang terkecil dengan menggunakan classifier k-nearest neighborhod, rata-rata akurasi pengenalan metode FGA adalah 46.67% sedangkan dengan TFGA akurasi pengenalan adalah 57.14%. Dengan classifier pembanding backpropagation dan menggunakan metode TFGA didapatkan rata-rata akurasi pengenalan 78.29%. Secara umum dari keseluruhan metode semakin bertambah jumlah garis maka semakin meningkat pula tingkat akurasi pengenalan."

"Akurasi hasil deteksi perubahan citra jarak jauh sangat tergantung pada akurasi metode klasifikasi yang digunakan. Salah satu cara untuk mendapatkan hasil yang lebih baik adalah dengan mengoptimalkan setiap prosedur pengolahan citra. Salah satunya dengan algoritma deteksi perubahan dengan menggunakan metode image differencing akan mendapatkan peta perubahan yang masih harus dianalisa sebagai prosedur klasifikasi citra binarisasi. Penelitian ini bertujuan melakukan kombinasi model penggabungan algoritma ambang. Serta membandingkan algoritma ambang untuk mendapatkan nilai ambang terbaik mengunakan fungsi entropi secara otomatis untuk memecahkan masalah deteksi perubahan dengan pendekatan klasifikasi data yang tidak tersedia. Dengan menggunakan asumsi model statistik untuk mengetahui kelas wilayah berubah dan tidak berubah yang menampilkan berbagai perkiraan algoritma ambang mengunakan analisa discriminan, entropi lokal, entropi gabungan, entropi global, relatif entropi lokal, relatif entropi gabungan dan relatif entropi global. Pada penelitian ini digunakan model fusi Markov random fields untuk menggabungkan informasi-informasi deteksi perubahan hasil identifikasi algoritma ambang yang lebih komprehensif dalam menunjang pembuat keputusan.Penelitian ini menemukan bawa pengunaan algoritma analisa discriminan terlalu sensitive untuk mendeteksi perubahan. Tingkat akurasi deteksi wilayah berubah terbaik mengunakan metode analisa discriminan sebesar 99% namun juga terlalu sensitif terhadap perubahan yang ditunjukan dengan tidak hanya wilayah yang terbakar terdeteksi juga wilayah tidak terbakar. Akurasi deteksi terbaik yang dapat dicapai mengunakan fungsi entropi dimiliki oleh lokal relatif entropi (99%) dan lokal entropi (97%) yang menjadikan sangat baik adalah mempunyai kesalahan deteksi kecil. Algorima fusi mengunakan metode Markov memberikan akurasi deteksi terbaik sebesar 93%, lebih rendah dari kemampuan deteksi dengan algoritma ambang yang menggunakan fungsi entropi. Namun algoritma fusi MRF akan semakin memastikan wilayah yang berubah. Secara umum, ditemukan bahwa pengurangan jumlah pixel dalam variasi histogram dalam citra berpengaruh besar pada tingkat akurasi deteksi perubahan dan sensitifitas algoritma ambang untuk mendeteksi perubahan. Semakin rendah jumlah pixel dalam variasi histogram semakin baik klasifikasi wilayah berubah terdeteksi dan semakin cepat waktu pemprosesan."