CONTENT BASED IMAGE RETRIEVAL BERDASARKAN FITUR BENTUK MENGGUNAKAN GVF SNAKE
|
|
- Susanto Sudirman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 CONTENT BASED IMAGE RETRIEVAL BERDASARKAN FITUR BENTUK MENGGUNAKAN GVF SNAKE Ida Hastuti Program Pascasarjana, Jurusan Teknik Elektro, Program Studi Jaringan Cerdas Multimedia Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember Surabaa Kampus ITS, Jl. Raa ITS, Sukolilo Surabaa 60111, Indonesia Tel , Fa Abstrak Teknik pencarian berbasis teks ang ada saat ini belum dapat digunakan untuk mempresentasikan isina karena nama dari sebuah file ang berupa teks harus mengetahui kata kunci ang tepat sehingga image ang kita inginkan dapat ditampilkan. Untuk menghindari teknik tersebut maka digunakan dengan pendekatan Content Based Image Retrieval Sstem (CBIR) ang merupakan teknik pencarian image ang berbasis content dan berhubungan dengan karakteristik dari sekumpulan image. Pada penelitian ini menggunakan karakteristik image berupa informasi fitur bentuk dari image quer dengan image target. Informasi fitur bentuk dilakukan proses capture pada tepi image menggunakan Gradient Vector Flow (GVF). Setelah itu dilakukan proses matching antara image quer dengan image target dilakukan dengan cara perhitungan jarak dari sekumpulan image. Nilai jarak ang paling minimal merupakan image ang memiliki kemiripan dengan image quer. CBIR dengan menggunakan GVF snake ini dapat diinisialisasi didalam atau diluar image sehingga lebih akurat ketelitian dalam mengenal fitur bentuk sesuai dengan ang diinginkan. Kata kunci : content based image retrieval, gradient vektor flow, fitur bentuk 1. Pendahuluan Semakin berkembangna bidang hiburan, perdagangan, pendidikan, biomedicine, dan kepolisian maka data image dari berbagai bidang tersebut semakin bertambah dengan cepat, hal ini didasarkan pada kebutuhan manusia ang cenderung semakin hari semakin meningkat. Begitu juga sistem penimpanan dari berbagai macam informasi digital tersebut semakin meningkat sehingga mengakibatkan timbul masalah dalam pencarian dan pengolahanna. Teknik pencarian berbasis teks ang sudah ada pada saat ini belum sepenuhna bisa digunakan karena nama dari sebuah file tidak dapat mempresentasikan isina dan image sendiri mempunai interest ang sangat bervariasi, oleh karena itu kita harus mengetahui kata kunci ang benar-benar tepat agar image ang kita inginkan dapat ditampilkan. Contoh pencarian image pada image sapi ang mempunai banak informasi antara lain ang akan dihasilkan mungkin saja adalah makanan sapi, kandang sapi atau informasi lain ang ada unsur sapi dan ang pasti suatu image itu bisa berbicara seribu kata. Hal ini dapat dilihat pada Google image searching ang bisa saja tidak dapat menemukan hasil optimal dan tidak bersesuaian dengan apa ang kita harapkan dikarenakan teknik pencarianna hana didasarkan pada nama file. Sehingga mengakibatkan pencarian jadi berantakan bila ada seseorang ang memodifikasi nama file tersebut dengan tidak memperhitungkan melihat isi atau informasi dari file image tersebut dan tentuna hal ang seperti ini dapat merugikan orang banak. Untuk mengatasi masalah ini diperlukan pendekatan alternatif. Penelitian retrieval citra berdasarkan primitive fitur sudah banak dilakukan diantarana Swain dan Ballard 1991 menggunakan teknik pencocokan histogram intersection, kemudian dikembangkan oleh Stricker dan Orengo 1995 mengembangkan teknik sebelumna menjadi histogram kumulatif dari warna, gabungan histogram interseksi dengan beberapa elemen spatial dikerjakan oleh Stricker dan Dimai 1996, kemudian penggunaan pemisahan region citra quer berdasarkan warnana dikerjakan oleh Carson et al,1997 []1. Content Based Image Retrieval Sstem ang bertujuan untuk mempermudah dan mempercepat pencarian berdasarkan pada informasi image dari image mirip dengan kriteria image tertentu ang diinginkan dari sekumpulan image ang ada. Karakteristik atau kriteria dari image ang dihasilkan berupa bentuk, warna, dan tekstur dan lain-lain ang sesuai dengan image ang diinginkan. Berdasarkan ketiga fitur tersebut sudah tampak jelas F- 09
2 bahwa setidakna suatu image itu memiliki ciri, misal image bebek ang memiliki ciri bentuk ang sebagaimana bebek, dan memiliki ciri warna dimana bebek memiliki warna putih serta memiliki tekstur bulu. Pendekatan CBIR ini juga meskipun kita modifikasi atau merubah nama filena, tidaklah membuat image searching menjadi rancu karena hal ini tidak berdasarkan atas teks atau nama dari sebuah file melainkan berdasarkan karakteristik image baik bentuk, warna maupun tektur. Berdasarkan masalah tersebut diatas penulis berusaha untuk membuat sistem Content Based Image Retrieval berdasarkan fitur bentuk menggunakan metode Gradient Vector Flow (GVF) snake oleh Hiremath P.S. & Jagadeesh Pujari. (007) ang digunakan secara ekstensif untuk mengetahui batasan dari suatu objek ang dihitung secara difusi dari gradien vektor berupa nilai biner atau gre-level ang diperoleh dari suatu image.. Dasar Teori.1 Content Based Image Retrieval Sstem Content Based Image Retrieval Sstem (CBIR) merupakan teknik pencarian kembali image ang mempunai kemiripan karakteristik atau content dari sekumpulan image. Proses secara umum dari CBIR pada image quer dilakukan proses ekstraksi fitur. Parameter fitur image ang dapat digunakan untuk retrieval pada sistem ini seperti histogram, susunan warna, tekstur, bentuk, tipe spesifik dari obek, tipe event tertentu, nama individu, lokasi, emosi. Image quer terdiri atas 3 level, aitu: Level 1: retrieval dengan primitive feature, seperti color, shape, teksture, Level : retrieval dengan logical feature, seperti tipe obek, individu obek atau orang. Level 3: retrieval dengan abstrak feature, seperti nama even, tipe aktifitas, emotional, religius. Penelitian dan pembangunan dalam CBIR mencakup keseluruhan topik. Beberapa pokok persoalan ang terjadi dalam pembangunan CBIR dapat diuraikan sebagai berikut: Pemahaman image ang dibutuhkan oleh user dan pencarian informasi. Pengidentifikasian cara ang sesuai dalam image content atau karakteristik dari image. Proses ekstraksi fitur dari image. Ekstraksi fitur merupakan proses penting pada sistem CBIR oleh Xiaojun Qi karena hasil dari proses ini perbedaan pada setiap image dapat diketahui berdasarkan cirina seperti ciri bentuk, warna, tekstur dan lain lain. Beberapa teknik ang dapat digunakan untuk ekstraksi fitur antara lain : teknik analisis komponen utama, besaran statistik, histogram warna, wavelet transform dan lain lain. Proses matching merupakan proses pencocokan image untuk memperoleh image ang mempunai kemiripan dengan image quer. Proses matching dilakukan dengan menghitung jarak antara dua image aitu image quer dan image target pada sekumpulan image. Parameter ang digunakan dalam perhitungan jarak berdasarkan pada hasil ekstraksi fitur. Penediaan human interface dari CBIR sstem. Penediaan tempat penimpanan untuk sekumpulan image. Proses matching antara image quer dan image ang ada pada sekumpulan image... Gradient Vector Flow (GVF) Gradient Vector Flow digunakan secara ekstensif untuk mengetahui batasan dari suatu objek berdasarkan Xu Chenang & Jerr L. Prince.(1997). pada gambar 1(c) ang dihitung secara difusi dari gradien vektor berupa nilai biner atau gre-level ang diperoleh dari suatu image dengan meminimalkan energi fungsional dari beberapa framework. Energi minimal dicapai dengan beberapa persamaan linear differensial ang berada pada vektor gradien dari gra level-binar tepi image ang dihitung dari sebuah image. Untuk aktif kontur digunakan eksternal force dari GVF snake seperti pada gambar1.(b). Keuntungan dari GVF snake dibandingkan snake tradisional aitu lebih sensitif untuk inisialisasi dan mempunai kemampuan untuk bergerak ke bagian batasan lekukan. Gambar 1. (a) Convergence menggunakan snake (b) GVF eternal forces (c) close-up sampai batasan lekukan Gambar. (a) Potensial force field tradisional (b) jarak potensial force field (c) GVF force field. Pada GVF field pada gambar (c) seperti eksternal force merupakan GVF Snake. GVF snake dikenal hampir semua formulasi snake sebelumna eksternal force tidak dapat ditulis sebagai negatif gradient dari fungsi potensial pada gambar (a). Oleh sebab itu, ini tidak dapat diformulasi F- 10
3 menggunakan standar framework energi minimum ang mana ini secara langsung dari kondisi force ang balance. Tidak seperti tekanan force, GVF snake tidak mengembang dan memperluas ke arah batasan. GVF snake juga mempunai range capture ang besar. Besar capture ditingkatkan terus menerus dengan proses difusi ang tidak menimbulkan blur pada tepi image. Model eksternal force dalam GVF adalah jarak tenaga potensial. Seperti GVF mula-mula tenaga dari bagian tepi image dan dapat menediakan besar capture range. Tidak seperti GVF jarak tenaga potensial pada gambar (b) tidak dapat bergerak seperti snake sampai lekukan batasan. 3. Perancangan Sistem 3.1 Arsitektur Sistem CBIR Tahap ini bertujuan untuk mencari bentuk ang optimal dari sistem ang akan dibuat dengan mempertimbangkan berbagai faktor permasalahan dan kebutuhan ang telah ditentukan seperti pada gambar 3. Gambar 3. Diagram data alir Perancangan sistem CBIR ang dibangun dapat dilihat pada gambar 4. dibawah ini berdasarkan bahwa pada image quer dilakukan proses ekstraksi fitur. Parameter fitur image ang dapat digunakan untuk retrieval pada sistem ini berupa fitur bentuk. Setelah itu antara image quer dan image database dibandingkan satu persatu melalui proses matching menggunakan euclidean distance. Gambar 4. Diagram alir CBIR 3. Algoritma Gradient Vector Flow Gradient Vektor Flow (GVF) memperhitungkan difusi dari gre level atau binar dari tepi dari image. GVF digunakan energi ang balance dengan kondisi : ( p) F 0 (1) int F es dimana F int adalah internal force dan F eks (p) adalah esternal force. Setelah itu esternal force field F eks (p) =V(,) dihubungkan dengan GVF field. GVF field V(,) adalah vector field ang diberikan V(,) = [u(,),v(,)] ang meminimalkan fungsionil energi sebagai berikut : ( u u v v ) f V f dd () Berikut ini beberapa prinsip standar formulasi ang membuat hasil fitur tepi lebih halus. Khususna ketika f bernilai kecil, energi didominasi dengan menjumlah dari kuadrat ang berasal dari sebagian vector field ang energina lambat. Selain itu f dapat bernilai besar. Besar kecilna nilai mendominasi integrand dan diminimalkan dengan mengatur V= f. Ini menghasilkan efek ang diinginkan dari V hampir sama dengan gradient dari bagian tepi ketika bernilai besar, tetapi besar field secara perlahan homogen diberbagai region. Parameter μ adalah parameter regulasi menentukan tradeoff antara term ang pertama dan kedua dalam integral. Parameter ini harus disesuaikan dengan banakna noise ang ada dalam image (apabila terdapat banak noise maka tingkatkan µ). Oleh karena itu hasil dari vektor field dari meminimalkan energi dapat menghilangkan solenoidal dan irrotasional. Algoritma untuk komputasi fitur bentuk image berdasarkan sebagai berikut : 1. Melakukan edge map f (,) ang diambil dari image I(,) dengan membaca image dan mengkonvertna ke gra scale atau nilai biner. - gradient dari edge map f mempunai nilai vector ke arah tepi. - vector umumna mempunai jarak besar hana ang dekat dengan tepi. - pada region ang homogen dimana I(,) hampir konstan, f hampir 0. Ketika gradient dari bagian tepi digunakan pada eksternal force maka : - Snake diinisialisasi sampai tepi ang akan terkumpul dengan konfigurasi terdekat dengan tepi ang mana memerlukan properti ang tertinggi - Jarak capture sangat kecil pada umumna F- 11
4 - Bagian ang homogen tidak ada pada eksternal force. Blur pada gre scale image menggunakan Gaussian filter. 3. Memperhitungkan gradient map pada image ang diblur. Dilakukan gradient vektor flow field untuk vektor field v(,)=[u(,),v(,)] ang meminimalkan fungsional energi pada persamaan () 4. Mencari GVF field menggunakan kalkulus dengan menggunakan persamaan Euler ang hasilna diinterpolasikan dari batasan region ang menggambarkan kompetisi diantara batasan vektor 5. Filter bagian tepi ang ang tampak menggunakan ks, di mana s adalah standar deviasi dari GVF. (k - nilai ang digunakan adalah.5) 6. Kumpulan tepi piel ang tampak memenuhi kondisi energi ang balance menghasilkan tepi image. 3.3 Euclidean Distance Jarak Euclidean dapat dianggap sebagai jarak ang paling pendek antar dua poin, maka dari itu dalam penelitian ini digunakan fungsi jarak Euclidean dan pada dasarna sama halna dengan persamaan Pthagoras ketika digunakan di dalam dua dimensi. Secara matematis dapat dituliskan di dalam persamaan berikut : d(i,j)= i1 j1 i j... ip jp (3) Keterangan : d(i,j) = nilai jarak i = nilai nilai pada fitur 1 j = nilai nilai pada fitur Setelah kita mengkalkulasi perhitunganperhitungan diatas, dalam penelitian ini diperlukan suatu inputan ang disebut dengan nilai Threshold, dimana nilai threshold ini ang bisa di inputkan mulai dari 0% sampai dengan 100%. Diagram alir proses matching dapat dilihat pada gambar 5. Input nilai threshold 4. Pengujian dan Analisa Implementasi dari GVF pada database object salah satuna aitu bujur sangkar gra-level image pada gambar 6. sebagai berikut : Gambar 6. Image quer bujur sangkar Untuk memperhitungkan GVF ( = 0.1) untuk image bujur sangkar menggunakan gra lines. Hasil snake menggunakan inisialisasi dari dalam (gambar. 7b) dan luar (gambar. 7c). Akhirna kedua konfigurasi itu hampir sama, ini menunjukkan bahwa GVF snake dapat diinisialisasi didalam atau diluar sesuai dengan ang diinginkan. Hal ini dapat dilihat juga pada gambar 7b dan 7c bahwa konfigurasina juga memiliki sedikit rentetan simpangan daripada lingkaran. Ini merupakan salah satu efek dari, pada pengaturan parameter dalam formulasi GVF. Memilih kecil akan cenderung untuk mengurangi rentetan ini, tetapi juga akan mengurangi kekuatan dari menghaluskan batasan. Gambar 7. GVF snake berkumpul untuk hasil ang sama dari dalam atau luar image Hasil pengujian ang disajikan pada GVF snake diatas didapatkan fitur bentuk, kemudian dilakukan proses pencocokkan antara image quer dengan image target menggunakan fungsi jarak euclidean, kemudian diperlukan inputan threshold thresholding dengan menggunakan salah satu image quer gambar 6. dimana nilai dibawah image menunjukkan nilai jarak pada masing- masing image. dist If(dist>threshold) n ditolak diterima Gambar 8. Hasil thresholding 35% image bujur sangkar Gambar 5. Diagram alir proses matching F- 1
5 Gambar 9. hasil thresholding 55% image bujursangkar Dari hasil diatas dapat disimpulkan bahwa antara image bujur sangkar dan persegi panjang memiliki pola ang sama, hana saja dari keduana memiliki perbedaan panjang. Selain itu dapat diketahui semakin besar tingkat nilai thresholding pada gambar 9. maka semakin sedikit image ang dihasilkan, sehingga menebabkan image ang sesuai dengan image quer semakin sedikit pula. Begitu juga sebalikna pada gambar 8., semakin kecil tingkat thresholding maka semakin banak gambar ang dihasilkan. Hal ini dapat menebabkan jumlah gambar ang sesuai juga semakin banak. 5. Kesimpulan dan Saran Berdasarkan hasil pengujian ang dilakukan bahwa model eksternal force untuk snake dinamakan Gradient Vector Flow (GVF). Penelitian ini field dihitung sebagai difusi dari gradient vektor dari gra-level atau nilai biner bagian tepi. Sehingga hal ini memungkinkan untuk fleksibel penginisialisasian dari snake dan mendorong konvergensi lekukan ke perbatasan image ang dihasilkan berupa fitur bentuk sehingga dapat memudahkan content based image retrieval (CBIR) untuk mengenali image ang mempunai kemiripan pola bentuk ang ketelitianna lebih akurat dengan nilai rata-rata presentasi ketelitan tebesar pada tingkat tresholding 35%. Hasil dari penelitian ini jauh dari sempurna karena hana menggunakan fitur bentuk. Untuk meningkatkan teknik CBIR ang tepat sasaran dengan image quer maka lebih baik ruang lingkup fitur warna, tekstur dan lain-lain digabungkan dengan metode lain untuk teknik pencarian image. India. International Journal of Image Processing, Volume () : Issue (1) 10. Hiremath P.S. & Jagadeesh Pujari. Content Based Image Retrieval based on Color, Teture and Shape features using Image and its complement. India. Li Dalong, Simske Steven. 00. Shape retrieval with flat contour segments. Intelligent Enterprise Technologies Lab HP Laboratories Palo Alto. Fahui Long,Hongjiang Zhang dan David Dagan Feng Fundamentals Of Content-Based Image Retrieval. Microsoft corporation research articles. Xiaojun Q. Content-Based Image Retrieval (CBIR). International Journal of Computer Science and Securit, Volume (1) : Issue (4) 5. Howarth Peter, Yavlinsk Aleei dan Heesch Daniel, Rüger Stefan Visual Features for Content-based Medical Image Retrieval. Imperial college London. Ritendra Datta, Dhiraj Joshi, Jia Li dan James Wang Image Retrieval: Ideas, Influences, and Trends of the New Age. Singapore. Proceedings of the 7th ACM SIGMM international workshop on Multimedia information retrieval. Osadebe Michael Eziashi Integrated content-based image retrieval using Teture, shape and spatial information. Sweden. Umea Universit Hiremath P.S. & Jagadeesh Pujari Content Based Image Retrieval Using Color, Teture and Shape Features. International Conference on Volume, Issue, 18-1 Dec. 007 Page(s): Digital Object Identifier Sigit, Rianto. Modul Praktikum Image Processing VC++ dengan MFC. PENS-ITS Surabaa Daftar Pustaka : Xu Chenang & Jerr L. Prince Gradient Vector Flow: A New Eternal Force for Snakes. Baltimore. IEEE Proc. Conf. on Comp. Vis. Patt. Recog. Xu Chenang & Jerr L. Prince Snakes, Shapes, and Gradient Vector Flow. Baltimore. IEEE TRANSACTIONS ON IMAGE PROCESSING, VOL. 7, NO. 3. Hiremath P.S. & Jagadeesh Pujari. Content Based Image Retrieval using Color Boosted SalientPoints and Shape features of an image. F- 13
CONTENT BASED IMAGE RETRIEVAL BERDASARKAN FITUR BENTUK MENGGUNAKAN METODE GRADIENT VECTOR FLOW SNAKE
CONTENT BASED IMAGE RETRIEVAL BERDASARKAN FITUR BENTUK MENGGUNAKAN METODE GRADIENT VECTOR FLOW SNAKE Ida Hastuti 1, Mochammad Hariadi 2, I Ketut Eddy Purnama 3 Program Pascasarjana, Jurusan Teknik Elektro,
Lebih terperinciSISTEM PENGENALAN BUAH ON-LINE MENGGUNAKAN KAMERA
SISTEM PENGENALAN BUAH ON-LINE MENGGUNAKAN KAMERA Nana Ramadijanti, Achmad Basuki Politeknik Eletronika Negeri Surabaa, Institut Teknologi Sepuluh Nopember Surabaa Kampus PENS-ITS, Keputih, Sukolilo, Surabaa
Lebih terperinciPERBANDINGAN METODE DETEKSI TEPI MENGGUNAKAN METODE CANNY, PREWITT DAN SOBEL PADA IMAGE IKAN
PERBANDINGAN METODE DETEKSI TEPI MENGGUNAKAN METODE CANNY, PREWITT DAN SOBEL PADA IMAGE IKAN Ida Hastuti Politeknik Negeri Banjarmasin dhapoliban@gmail.com ABSTRACT Digital image processing is optimized
Lebih terperinciAPLIKASI PENCARIAN GAMBAR DENGAN KONTEN BERDASARKAN FITUR BENTUK BERBASIS WEB MENGGUNAKAN METODE GRADIEN VEKTOR FLOW SNAKE
APLIKASI PENCARIAN GAMBAR DENGAN KONTEN BERDASARKAN FITUR BENTUK BERBASIS WEB MENGGUNAKAN METODE GRADIEN VEKTOR FLOW SNAKE Iradatil Wahdaniah 1, Harlinda L. 2 1 iradatli_wahdaniah@gmail.com, 2 hj.linda@yahoo.com
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN Pada bab pendahuluan ini akan diuraikan penjelasan mengenai latar belakang penelitian, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian dan
Lebih terperinciBAB II LANDASAN TEORI
16 BAB II LANDASAN TEORI 2.1 Retrival Citra Saat ini telah terjadi peningkatan pesat dalam penggunaan gambar digital. Setiap hari pihak militer maupun sipil menghasilkan gambar digital dalam ukuran giga-byte.
Lebih terperinciAPLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN FITUR WARNA DAN BENTUK
APLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN FITUR WARNA DAN BENTUK Arwin Halim 1, Hardy 2, Alvin Yufandi 3, Fiana 4 Program Studi Teknik Informatika, STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciPENCARIAN CITRA BERDASARKAN BENTUK DASAR TEPI OBJEK DAN KONTEN HISTOGRAM WARNA LOKAL
Makalah Nomor: KNSI-472 PENCARIAN CITRA BERDASARKAN BENTUK DASAR TEPI OBJEK DAN KONTEN HISTOGRAM WARNA LOKAL Barep Wicaksono 1, Suryarini Widodo 2 1,2 Teknik Informatika, Universitas Gunadarma 1,2 Jl.
Lebih terperinciPENGELOMPOKAN GAMBAR BERDASARKAN WARNA DAN BENTUK MENGGUNAKAN FGKA (FAST GENETIC KMEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR
PENGELOMPOKAN GAMBAR BERDASARKAN WARNA DAN BENTUK MENGGUNAKAN FGKA (FAST GENETIC KMEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR Farah Zakiyah Rahmanti 1, Entin Martiana K. 2, S.Kom, M.Kom, Nana Ramadijanti
Lebih terperinciPENGEMBANGAN SISTEM TEMU KEMBALI CITRA DENGAN MULTIMODAL DATA MENGGUNAKAN MICROSTRUCTURE DESCRIPTOR DAN PLSA
PENGEMBANGAN SISTEM TEMU KEMBALI CITRA DENGAN MULTIMODAL DATA MENGGUNAKAN MICROSTRUCTURE DESCRIPTOR DAN PLSA Choiru Za in, Nanik Suciati, Chastine Fatichah Institut Teknologi Sepuluh Nopember choiruzain@gmail.com,
Lebih terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciBAB I PENDAHULUAN. Skoliosis adalah fenomena kelainan tulang belakang yang akan
BAB I PENDAHULUAN 1. asd 1.1. Latar Belakang Masalah Skoliosis adalah fenomena kelainan tulang belakang yang akan membengkok membentuk huruf C atau S. Bila dibiarkan, sudut kemiringan tulang belakang (cobb
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab landasan teori ini akan diuraikan mengenai teori-teori yang terkait dengan Content Based Image Retrieval, ekstraksi fitur, Operator Sobel, deteksi warna HSV, precision dan
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Permasalahan CBIR ( Content Based Image Retrieval) akhir-akhir ini merupakan salah satu bidang riset yang sedang berkembang pesat (Carneiro, 2005, p1). CBIR ini menawarkan
Lebih terperinciPENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA
PENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA Dina Indarti Pusat Studi Komputasi Matematika, Universitas Gunadarma Jl. Margonda Raya no. 100, Depok 16424, Jawa Barat
Lebih terperinciSISTEM TEMU KEMBALI CITRA GEDUNG BERDASARKAN INFORMASI GARIS PADA BENTUK GEDUNG
Vol. 5, No. 1, Januari 2009 ISSN 0216-0544 SISTEM TEMU KEMBALI CITRA GEDUNG BERDASARKAN INFORMASI GARIS PADA BENTUK GEDUNG * Iman Sapuguh, Daniel O Siahaan, dan Chastine Fatichah Program Magister Teknik
Lebih terperinciANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR
ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR Gibtha Fitri Laxmi 1, Puspa Eosina 2, Fety Fatimah 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas
Lebih terperinciAnalisis Kualitas Interpolasi Terhadap Fitur Statistik pada Citra
Analisis Kualitas Interpolasi Terhadap Fitur Statistik pada Citra Meirista Wulandari Jurusan Teknik Elektro, Universitas Tarumanagara, Jakarta, Indonesia meiristaw@ft.untar.ac.id Diterima 10 Desember 016
Lebih terperinciBAB I PENDAHULUAN. Perkembangan teknologi komputer dan internet semakin maju
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan teknologi komputer dan internet semakin maju menyebabkan data digital yang dihasilkan, disimpan, ditransmisikan, dianalisis, dan diakses menjadi
Lebih terperinciBAB III METODOLOGI PENELITIAN
27 BAB III METODOLOGI PENELITIAN 3.1 Kerangka Pikir Saat ini perkembangan teknologi memungkinkan kita untuk membantu memberikan solusi di berbagai bidang. Multimedia Database memberikan banyak kontribusi
Lebih terperinciIMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER
IMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER M. Jamaluddin 1, Nanik Suciati 2, Arya Yudhi Wiajaya 3 1,2,3 Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN
Jurnal Teknik Informatika Vol. 1 September 2012 1 PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN Wahyu Saputra Wibawa 1, Juni Nurma Sari 2, Ananda 3 Program Studi
Lebih terperinciKata kunci : Pemilihan gambar, Pencocokan Graph
ALGORITMA PENCOCOKAN OBJEK GEOMETRI CITRA BERBASIS GRAPH UNTUK PEMILIHAN KEMBALI (RETRIEVAL) Yureska Angelia 867 Email : angelia.yureska@gmail.com Bidang Studi Telekomunikasi Multimedia Jurusan Teknik
Lebih terperinciAPLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN ALGORITMA SOBEL S EDGE DETECTION Arwin Halim 1, Hernawati Gohzali 2, In Sin 3, Kelvin Wijaya 4
APLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN ALGORITMA SOBEL S EDGE DETECTION Arwin Halim 1, Hernawati Gohzali 2, In Sin 3, Kelvin Wijaya 4 1,2,3,4 Jurusan Teknik Informatika, STMIK Mikroskil, Medan 1,2,3,4
Lebih terperinci1. Pendahuluan 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Saat ini, kebutuhan manusia akan teknologi semakin meningkat karena tidak bisa dipungkiri bahwa teknologi tersebut dapat meringankan pekerjaan manusia. Hal ini juga diimbangi
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN
44 BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Analisa yang dilakukan terdiri dari : a. Analisa terhadap permasalahan yang ada. b. Analisa pemecahan masalah. 3.1.1 Analisa Permasalahan Pengenalan uang kertas
Lebih terperinciPENGELOMPOKAN GAMBAR BERDASARKAN FITUR WARNA DAN TEKSTUR DENGAN FGKA CLUSTERING (FAST GENETICS K-MEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR
PENGELOMPOKAN GAMBAR BERDASARKAN FITUR WARNA DAN TEKSTUR DENGAN FGKA CLUSTERING (FAST GENETICS K-MEANS ALGORITHM) UNTUK PENCOCOKAN GAMBAR Dewi Wulansari, S.ST 1, Entin Martiana K, M.Kom 2, Nana Ramadijanti,
Lebih terperinciCONTENT BASED IMAGE RETRIEVAL BERDASARKAN CIRI TEKSTUR MENGGUNAKAN WAVELET
CONTENT BASED IMAGE RETRIEVAL BERDASARKAN CIRI TEKSTUR MENGGUNAKAN WAVELET Nana Ramadijanti RG. Computer Vision, Program Studi Teknologi Informasi, Politeknik Elektronika Negri Surabaya E-mail: nana@eepis-its.edu
Lebih terperinciBAB I PENDAHULUAN. digunakan untuk identitas citra adalah nama file, tanggal pengambilan,
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Seiring berkembangnya teknologi, makin banyak pulalah hasil-hasil citra digital di berbagai aspek. Citra tersebut bisa merupakan hasil digitalisasi foto-foto analog,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan perkembangan teknologi informasi dan semakin luasnya pemanfaatan teknologi komputer di berbagai bidang kehidupan, kebutuhan akan efisiensi pengelolaan
Lebih terperinciJournal of Control and Network Systems
JCONES Vol. 2, No. 1 (2013) 9-15 Journal of Control and Network Systems Situs Jurnal : http://jurnal.stikom.edu/index.php/jcone PERBAIKAN KUALITAS CITRA SINAR X TULANG BELAKANG PENDERITA SKOLIOSIS DENGAN
Lebih terperinciPERANCANGAN APLIKASI TEMU KEMBALI CITRA BUAH BERDASARKAN BENTUK DAN WARNA MENGGUNAKAN EKSTRAKSI FITUR
PERANCANGAN APLIKASI TEMU KEMBALI CITRA BUAH BERDASARKAN BENTUK DAN WARNA MENGGUNAKAN EKSTRAKSI FITUR Muhammad Nasir 1, Amri 2, Husaini 3 1,2,3 Teknologi Informasi dan Komputer, Politeknik Negeri Lhokseumawe
Lebih terperinciBAB III PROSEDUR DAN METODOLOGI. Pada bab ini kita akan melihat masalah apa yang masih menjadi kendala
52 BAB III PROSEDUR DAN METODOLOGI 3.1 ANALISA MASALAH Pada bab ini kita akan melihat masalah apa yang masih menjadi kendala melakukan proses retrival citra dan bagaimana solusi untuk memecahkan masalah
Lebih terperinciPENCARIAN ISI CITRA MENGGUNAKAN METODE MINKOWSKI DISTANCE
PENCARIAN ISI CITRA MENGGUNAKAN METODE MINKOWSKI DISTANCE Budi Hartono 1, Veronica Lusiana 2 Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Stikubank Semarang Jl Tri Lomba
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Deteksi wajah pada suatu citra merupakan bagian yang penting dalam perkembangan sistem pengenalan wajah (Face Recognition). Pengenalan wajah banyak digunakan untuk
Lebih terperinciPengantar PENGOLAHAN CITRA. Achmad Basuki PENS-ITS Surabaya 2007
Pengantar PENGOLAHAN CITRA Achmad Basuki PENS-ITS Surabaya 2007 TUJUAN Mahasiswa dapat membuat aplikasi pengolahan citra Mahasiswa dapat menerapkan konsep-konsep pengolahan citra untuk menghasilkan suatu
Lebih terperinciGambar 15 Contoh pembagian citra di dalam sistem segmentasi.
dalam contoh ini variance bernilai 2000 I p I t 2 = (200-150) 2 + (150-180) 2 + (250-120) I p I t 2 = 28400. D p (t) = exp(-28400/2*2000) D p (t) = 8.251 x 10-4. Untuk bobot t-link {p, t} dengan p merupakan
Lebih terperinciSistem perolehan citra berbasis isi Berdasarkan tekstur menggunakan metode Gray level co-occurrence matrix dan Euclidean distance
Vol 1, No 3 Desember 2010 ISSN 2088-2130 Sistem perolehan citra berbasis isi Berdasarkan tekstur menggunakan metode Gray level co-occurrence matrix dan Euclidean distance * Fitri Damayanti, ** Husni, ***
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciGambar 1.1 Tahapan Penelitian
BAB 1 PENDAHULUAN Latar Belakang Masalah Content Based Image Retrieval (CBIR) atau dikenal sebagai query dengan konten image dan pengambilan informasi visual berbasis konten merupakan penerapan teknik
Lebih terperinciBAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus
BAB II DASAR TEORI 2.1 Meter Air Gambar 2.1 Meter Air Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor,
Lebih terperinciCONTENT BASED IMAGE RETRIEVAL UNTUK MENGIDENTIFIKASI MOTIF KARAWO MENGGUNAKAN METODE INVARIANT GENERALIZED HOUGH TRANSFORM
1 CONTENT BASED IMAGE RETRIEVAL UNTUK MENGIDENTIFIKASI MOTIF KARAWO MENGGUNAKAN METODE INVARIANT GENERALIZED HOUGH TRANSFORM Venny Mar atul Jannah Ismail 1, Arip Mulyanto 2, Abd. Aziz Bouty 3 1 Mahasiswa
Lebih terperinciBAB 1 PENDAHULUAN. Pada tahun 1970an penelitian awal image retrieval dilakukan dengan
BAB 1 PENDAHULUAN 1.1 Latar belakang Pada tahun 1970an penelitian awal image retrieval dilakukan dengan menggunakan pendekatan pengindeksan dan informasi citra berbasis teks. Teknik pencarian berbasis
Lebih terperinciIdentifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski
Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski Junia Kurniati Computer Engineering Department Faculty of Computer Science Sriwijaya University South Sumatera Indonesia
Lebih terperinciBab III ANALISIS&PERANCANGAN
3.1 Analisis Masalah Bab III ANALISIS&PERANCANGAN Pada penelitian sebelumnya yaitu ANALISIS CBIR TERHADAP TEKSTUR CITRA BATIK BERDASARKAN KEMIRIPAN CIRI BENTUK DAN TEKSTUR (A.Harris Rangkuti, Harjoko Agus;
Lebih terperinciIMPLEMENTASI TEMU KEMBALI CITRA BERBASIS ISI DENGAN FITUR TITIK-TITIK SIGNIFIKAN
IMPLEMENTASI TEMU KEMBALI CITRA BERBASIS ISI DENGAN FITUR TITIK-TITIK SIGNIFIKAN Rifky Alif Tama 1, Nanik Suciati 2, Arya Yudhi Wijaya 3 Teknik Informatika, Fakultas Teknologi Informasi, ITS email : rifkyalif@gmail.com
Lebih terperinciKOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL
KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL Rudy Adipranata Universitas Kristen Petra Jl. Siwalankerto 121-131, Surabaya. Telp. (031) 8439040
Lebih terperinciAPLIKASI TRANSFORMASI HOUGH UNTUK EKSTRAKSI FITUR IRIS MATA MANUSIA
Seminar Nasional Teknologi Informasi 2007 1 APLIKASI TRANSFORMASI HOUGH UNTUK EKSTRAKSI FITUR IRIS MATA MANUSIA Murinto 1) Rusydi Umar 2) Burhanuddin 3) 1,2,3) Teknik Informatika Universitas Ahmad Dahlan
Lebih terperinciSYSTEM PENGENALAN LOGO PERUSAHAAN MENGGUNAKAN METODE CBIR
SYSTEM PENGENALAN LOGO PERUSAHAAN MENGGUNAKAN METODE CBIR Ilham Arief Rahman 1, Setiawardhana, Sigit Wasista 3 1) Mahasiswa Program Diploma IV Studi Teknik Komputer Politeknik Elektronika Negeri Surabaya-ITS
Lebih terperinciBAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM
BAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM III.1. Analisis Sistem yang Sedang Berjalan Proses analisa sistem merupakan langkah kedua pada pengembangan sistem. Analisa sistem dilakukan untuk memahami
Lebih terperinciBAB III METODE PENELITIAN Perancangan Sistem dan Blok Diagram Sistem. Model penelitian yang akan dilakukan adalah model penelitian
BAB III METODE PENELITIAN 3.1. Perancangan Sistem dan Blok Diagram Sistem Model penelitian yang akan dilakukan adalah model penelitian pengembangan. Untuk mempermudah dalam memahami sistem yang akan dibuat
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
48 BAB IV HASIL DAN PEMBAHASAN 4.1 Analisis Sistem Sistem yang akan dibangun dalam penelitian ini adalah Implementasi Algoritma Template Matching dan Feature Extraction untuk Pengenalan Pola Angka Untuk
Lebih terperinciPenjejakan Objek Visual berbasis Algoritma Mean Shift dengan menggunakan kamera Pan-Tilt
Penjejakan Objek Visual berbasis Algoritma Mean Shift dengan menggunakan kamera Pan-Tilt Sulfan Bagus Setyawan 1, Djoko Purwanto 2 Jurusan Teknik Elektro, Institut Teknologi Sepuluh Nopember 1 sulfan13@mhs.ee.its.ac.id
Lebih terperinciAPLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK
APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK Wiratmoko Yuwono Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya-ITS Jl. Raya ITS, Kampus ITS, Sukolilo Surabaya 60111
Lebih terperinciBAB 4 ANALISA HASIL SISTEM
BAB 4 ANALISA HASIL SISTEM 4.1. Umum Pada bab ini akan dilakukan mengenai pengujian terhadap prosentase kemiripan dari sistem aplikasi yang telah dirancang. lingkup uji coba sistem aplikasi ini adalah
Lebih terperinciBAB IV PENGUJIAN SISTEM. dan GVF Snake yang telah selesai dibuat. Dimulai dari modified
BAB IV PENGUJIAN SISTEM Pengujian sistem yang dilakukan merupakan pengujian terhadap preprocessing dan GVF Snake yang telah selesai dibuat. Dimulai dari modified tophat filter, Gaussian cropping, dan GVF
Lebih terperinciProgram Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini
Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini Wawan Kurniawan Jurusan PMIPA, FKIP Universitas Jambi wwnkurnia79@gmail.com Abstrak
Lebih terperinciImplementasi Deteksi Copy-move Forgery pada Citra menggunakan Metode Histogram of Oriented Gradients (HOG)
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) 1 Implementasi Deteksi Copy-move Forgery pada Citra menggunakan Metode Histogram of Oriented Gradients (HOG) Ni Luh Made Asri Mulyasari,
Lebih terperinciPENGUKURAN SSIM DAN ANALISIS KINERJA METODE INTERPOLASI UNTUK PENINGKATAN KUALITAS CITRA DIGITAL
Jurnal Muara Sains, Teknologi, Kedokteran, dan Ilmu Kesehatan Vol. 1, No. 1, April 2017: hlm 184-195 ISSN 2579-6402 (Versi Cetak) ISSN-L 2579-6410 (Versi Elektronik) PENGUKURAN SSIM DAN ANALISIS KINERJA
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinciPencocokan Citra Berbasis Graph untuk Pengenalan dan Pemilihan Kembali (Retrieval) Oleh: Yureska Angelia ( )
Pencocokan Citra Berbasis Graph untuk Pengenalan dan Pemilihan Kembali (Retrieval) Oleh: Yureska Angelia (867) Dosen Pembimbing Dr. Ir. Wirawan, DEA Latar Belakang Teknik pemodelan struktur graph telah
Lebih terperinciBAB 1 PENDAHULUAN. Dalam bahasa Inggris ada pepatah yang mengatakan a picture is worth a
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam bahasa Inggris ada pepatah yang mengatakan a picture is worth a thousand words yang memiliki arti sebuah gambar bernilai beribu kata yang secara tidak sengaja
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal
Lebih terperinciANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX
ANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX Mohammad imron (1), Yuliana Melita (2), Megister Teknologi Informasi Institusi
Lebih terperinciEkstraksi Fitur Warna, Tekstur dan Bentuk untuk Clustered- Based Retrieval of Images (CLUE)
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Ekstraksi Fitur Warna, Tekstur dan Bentuk untuk Clustered- Based Retrieval of Images (CLUE) I Gusti Rai Agung Sugiartha
Lebih terperinciPencarian Citra Berdasarkan Konten Warna dengan Menggunakan Parameter Ukur Similaritas dan Disimilaritas Histogram
Pencarian Citra Berdasarkan Konten Warna dengan Menggunakan Parameter Ukur Similaritas dan Disimilaritas Histogram Fenni Agustina, Sarifuddin Madenda, Ernastuti Fakultas Teknologi Industri Universitas
Lebih terperinciBAB II LANDASAN TEORI
DAFTAR ISI ABSTRAK... i ABSTRACT... ii KATA PENGANTAR... iii DAFTAR ISI... v DAFTAR GAMBAR... vi DAFTAR TABEL... ix DAFTAR SIMBOL... x BAB I PENDAHULUAN.... Latar Belakang.... Rumusan Masalah... 3.3 Tujuan...
Lebih terperinci2.Landasan Teori. 2.1 Konsep Pemetaan Gambar dan Pengambilan Data.
6 2.Landasan Teori 2.1 Konsep Pemetaan Gambar dan Pengambilan Data. Informasi Multi Media pada database diproses untuk mengekstraksi fitur dan gambar.pada proses pengambilan, fitur dan juga atribut atribut
Lebih terperinciLEMBAR PENGESAHAN TUGAS AKHIR...
DAFTAR ISI HALAMAN SAMPUL... i HALAMAN JUDUL... ii PERNYATAAN... iii LEMBAR PENGESAHAN TUGAS AKHIR... iv BERITA ACARA TUGAS AKHIR... v KATA PENGANTAR... vi ABSTRAK... vii ABSTRACT... viii DAFTAR ISI...
Lebih terperinciFitur Bentuk Pada Citra. Achmad Basuki, Nana R PENS-ITS, 2008
Fitur Bentuk Pada Citra Achmad Basuki, Nana R PENS-ITS, 008 Materi Fitur Bentuk Deteksi Tepi Histogram Proyeksi Histogram Sudut Aplikasi Pengenalan Angka Fitur Bentuk Fitur bentuk adalah fitur dasar dalam
Lebih terperinciSISTEM TEMU KEMBALI CITRA UNTUK E- COMMERCE MENGGUNAKAN PROSEDUR PENCARIAN DUA FASE DENGAN FITUR HISTOGRAM MULTI TEKSTON
SISTEM TEMU KEMBALI CITRA UNTUK E- COMMERCE MENGGUNAKAN PROSEDUR PENCARIAN DUA FASE DENGAN FITUR HISTOGRAM MULTI TEKSTON Nurissaidah Ulinnuha 1), Halimatus Sa dyah 2) Fakultas Sains dan Teknologi, Universitas
Lebih terperinciAnalisis dan Implementasi Contet Based Image Retrieval Menggunakan Metode ORB
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.1 April 2015 Page 1153 Analisis dan Implementasi Contet Based Retrieval Menggunakan Metode ORB Muhammad Mirza 1, Tjokorda Agung Budi W 2, Siti Sa
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan
BAB IV IMPLEMENTASI DAN EVALUASI Implementasi dan Evaluasi yang dilakukan penulis merupakan implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan perangkat lunak dari sistem secara keseluruhan
Lebih terperinciAPLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA
APLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA Yusti Fitriyani Nampira 50408896 Dr. Karmilasari Kanker Latar Belakang Kanker
Lebih terperinciFourier Descriptor Based Image Alignment (FDBIA) (1)
Fourier Descriptor Based Image Alignment (FDBIA) (1) Metode contour tracing digunakan untuk mengidentifikasikan boundary yang kemudian dideskripsikan secara berurutan pada FD. Pada aplikasi AOI variasi
Lebih terperinciPENCARIAN CITRA VISUAL BERBASIS ISI CITRA MENGGUNAKAN FITUR WARNA CITRA. Abstract
PENCARIAN CITRA VISUAL BERBASIS ISI CITRA MENGGUNAKAN FITUR WARNA CITRA Kusrini 1, Agus Harjoko 2 1 Dosen STMIK AMIKOM Yogyakarta 2 Dosen FMIPA Universitas Gadjah Mada Yogyakarta Abstract There are two
Lebih terperinciBiasa dilakukan untuk menghilangkan efek pada citra digital yang disebabkan oleh keterbatasan sistem pencuplikan
Image Smoothing Biasa dilakukan untuk menghilangkan eek pada citra digital ang disebabkan oleh keterbatasan sistem pencuplikan atau kanal transmisi Teknik penghalusan: Domain spasial contoh: mean median
Lebih terperinciANALISIS PENGARUH EXPOSURE TERHADAP PERFORMA ALGORITMA SIFT UNTUK IMAGE MATCHING PADA UNDERWATER IMAGE
ANALISIS PENGARUH EXPOSURE TERHADAP PERFORMA ALGORITMA SIFT UNTUK IMAGE MATCHING PADA UNDERWATER IMAGE HANANTO DHEWANGKORO A11.2009.04783 Universitas Dian Nuswantoro. Semarang, Indonesia Email: hanantodhewangkoro@gmail.com
Lebih terperincicomparing the search results using the method GCHs with the search results using the method LCHs or use both types of these histograms. So get a color
CBIR BERDASARKAN EKSTRAKSI FITUR WARNA MENGGUNAKAN JAVA Agus Sumarna sumarna_agus@yahoo.com Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Gunadarma, Margonda Raya 100 Depok 16424
Lebih terperincicorak lukisan dengan seni dekorasi pakaian, muncul seni batik tulis seperti yang kita kenal sekarang ini. Kain batik merupakan ciri khas dari bangsa I
Pembuatan Perangkat Lunak Untuk Menampilkan Deskripsi Mengenai Batik dan Pola Citra Batik Berdasarkan Segmentasi Objek Maulana Sutrisna, maulanasutrisna@gmail.com Jurusan Teknik Informatika, Fakultas Teknologi
Lebih terperinciIMPLEMENTASI METODE CANNY DAN SOBEL UNTUK MENDETEKSI TEPI CITRA
Hal : -29 IMPLEMENTASI METODE CANNY DAN SOBEL UNTUK MENDETEKSI TEPI CITRA Asmardi Zalukhu Mahasiswa Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Simpang Limun Medan ABSTRAK Deteksi
Lebih terperinciEKSTRAKSI CIRI GEOMETRIS UNTUK APLIKASI IDENTIFIKASI WAJAH. Oleh: Kholistianingsih
EKSTRAKSI CIRI GEOMETRIS UNTUK APLIKASI IDENTIFIKASI WAJAH Oleh: Kholistianingsih Abstract Face recognition is a non-contact biometric identification that tries to verify individuals automatically based
Lebih terperinciDETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI
DETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI Marina Gracecia1, ShintaEstriWahyuningrum2 Program Studi Teknik Informatika Universitas Katolik Soegijapranata 1 esthergracecia@gmail.com,
Lebih terperinciPENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM)
PENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM) Rima Tri Wahyuningrum *) Program Studi Teknik Informatika,
Lebih terperinciPengolahan Citra Digital FAJAR ASTUTI H, S.KOM., M.KOM
Pengolahan Citra Digital FAJAR ASTUTI H, S.KOM., M.KOM PENILAIAN TUGAS : 30% UTS : 30% UAS : 40% REFERENSI Slides & Hand outs; Digital Image Processing; Rafael C. Gonzalez & Richard E Woods; Addison Wesley
Lebih terperinciPERANGKAT LUNAK SEGMENTASI CITRA DENGAN METODE WATERSHED
PERANGKAT LUNAK SEGMENTASI CITRA DENGAN METODE WATERSHED Gunawan 1, Fandi Halim 1, Erni Wijaya 2 STMIK Mikroskil Jl. Thamrin No. 112, 124, 140 Medan 20212 1 gunawan@mikroskil.ac.id, 1 fandi@mikroskil.ac.id,
Lebih terperinciBAB 2 KONSEP DASAR PENGENAL OBJEK
BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis
Lebih terperincieksperimen dan Analisis Gambar 4.4 Sampel hasil deteksi lokasi posisi mata tanpa grid
eksperimen dan Analisis Gambar 4.3 Sampel hasil deteksi lokasi posisi mata tanpa grid Gambar 4.4 Sampel hasil deteksi lokasi posisi mata tanpa grid Eksperimen dan Analisis Hasil eksperimen dan analisis
Lebih terperinciEkstraksi Keyframe dengan Entropy Differences untuk Temu Kembali Konten Video berbasis Speeded-Up Robust Feature
Ekstraksi Keyframe dengan Entropy Differences untuk Temu Kembali Konten Video berbasis Speeded-Up Robust Feature M Misbachul Huda Institut Teknologi Sepuluh Nopember (ITS) Surabaya misbachul.h@gmail.com
Lebih terperinciIMAGE COLOR FEATURE. Achmad Basuki Politeknik Elektronika Negeri Surabaya
IMAGE COLOR FEATURE Achmad Basuki Politeknik Elektronika Negeri Surabaya Materi: 1. Image Color Feature 2. Application Using Image Color Feature 3. RGB-Cube 4. Histogram RGB Gabungan Layer Color Indeks
Lebih terperinciBAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Citra (image) adalah bidang dalam dwimatra (dua dimensi) (Munir, 2004). Sebagai salah satu komponen multimedia, citra memegang peranan sangat penting sebagai
Lebih terperinciModifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-5 1 Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila, Handayani Tjandrasa, dan Nanik
Lebih terperinciSistem Pembaca Teks Bahasa Indonesia Otomatis Menggunakan Kamera Web Dengan Metode Integral Proyeksi
Sistem Pembaca Teks Bahasa Indonesia Otomatis Menggunakan Kamera Web Dengan Metode Sigit Wasista, Siwi Dian Priyanti Jurusan Teknik Elektronika Politeknik Elektronika Negeri Surabaya- Institut Teknologi
Lebih terperinciSEGMENTASI CITRA MENGGUNAKAN PENGHAPUSAN TEKSTUR DAN K-MEANS DENGAN BATASAN RUANG
SEGMENTASI CITRA MENGGUNAKAN PENGHAPUSAN TEKSTUR DAN K-MEANS DENGAN BATASAN RUANG Gama Wisnu Fajarianto 1, Handayani Tjandrasa 2 Jurusan Teknik Informatika, Fakultas Teknologi Informasi Institut Teknologi
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Penggunaan citra yang semakin meningkat menimbulkan kebutuhan retrival citra yang juga semakin meningkat. Diperlukan suatu metode retrival citra yang efektif
Lebih terperinciImplementasi Principal Komponen Analysis untuk Sistem Balik Citra Digital
Nusantara of Engginering (NoE)/Vol. /No. /ISSN : 8 Implementasi Principal Komponen Analysis untuk Sistem Balik Citra Digital Okfan Rizal Ferdiansyah. Sistem Informasi, Fakultas Teknik Universitas Nusantara
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. perhitungan LSI dan juga interface yang akan dibuat oleh penulis.
BAB 3 PROSEDUR DAN METODOLOGI Pada Bab ini, penulis akan membahas mengenai prosedur dan metodologi seperti perhitungan LSI dan juga interface yang akan dibuat oleh penulis. 3.1 Sistem CBIR Gambar 3.1 Sistem
Lebih terperinciImplementasi Metode Watershed Transformation Dalam Segmentasi Tulisan Aksara Bali Berbasis Histogram
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Implementasi Metode Watershed Transformation Dalam Segmentasi Tulisan Aksara Bali Berbasis Histogram Komang Budiarta,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Folder Sebuah directory (folder) adalah seperti ruangan-ruangan (kamar-kamar) pada sebuah komputer yang berfungsi sebagai tempat penyimpanan dari berkas-berkas (file).
Lebih terperinci