SEGMENTASI BERBASIS REGION PADA CITRA BERWARNA UNTUK KEPERLUAN TEMU KEMBALI CITRA PADA EVENT OLAH RAGA LAPANGAN HIJAU

Transkripsi

1 EGMENTAI BERBAI REGION PADA CITRA BERWARNA UNTUK KEPERLUAN TEMU KEMBALI CITRA PADA EVENT OLAH RAGA LAPANGAN HIJAU Arf Basof,.Kom, Moch. Harad, T, M.c, Ph.D. Program Magster Bdang Keahlan Jarngan Cerdas Multmeda Jurusan Teknk Elektro Fakultas Teknolog Industr Insttut Teknolog epuluh Nopember (IT), urabaya, 60, Indonesa E-mal : arv@eeps-ts.edu, mochar@ee.ts.ac.d Abstrak Dalam sstem temu kembal ctra, segmentas adalah bagan terpentng dalam tahap awal pemrosesan ctra. Metode segmentas yang tepat sangat mempengaruh hasl segmentas suatu ctra, terutama pada ctra berwarna dan bertekstur yang menjad permasalahan tersendr dalam proses segmentas. alah satu metode yang dterapkan pada peneltan n adalah segmentas berbass regon dengan algortma JEG. Proses segmentas ctra dengan algortma JEG terbag atas dua tahap, yatu proses kuantsas warna dan proses segmentas spasal. Penggunaan ruang warna CIE LUV pada tahap kuantsas warna yang mampu menerma warna menurut perseps manusa. Warna-warna ctra yang terkuantsas membentuk color class-map untuk membedakan regon-regon dalam ctra. D tahap segmentas spasal, dlakukan perhtungan ukuran segmentas yang bak menurut color class-map yang terbentuk pada wndow lokalnya sehngga menghaslkan J-mage. Metode regon growng dgunakan untuk mensegmentas ctra berdasarkan J-mage multskala. Uj coba pada ctra event olah raga lapangan hjau dlakukan untuk melhat hasl segmentas yang sesua menurut kombnas nla parameter threshold yang tepat. Dar varas parameter threshold kuantsas warna dperoleh 67% cenderung pada nla threshold 55 menghaslkan segmentas yang bak. edangkan untuk threshold regon mergng, cenderung pada nla threshold 0.4. Hasl ekspermen menunjukkan bahwa dengan kombnas parameter nla threshold yang bak n, memudahkan dalam proses mplementas sstem temu kembal ctra menurut hasl segmentas warna. Kata kunc : segmentas ctra berwarna, JEG, CIE LUV, regon growng, regon mergng Permasalahan yang serng muncul dsebabkan tekstur ctra, jka ctra hanya terdr dar regonregon warna yang homogen, metode clusterng dalam ruang warna dapat dterapkan untuk segmentas ctra []. Namun pada kenyataannya, ctra pemandangan alam kaya akan warna dan tekstur sehngga sult untuk mengdentfkas regon-regon pada ctra yang mengandung polapola warna-tekstur. Pendekatan yang dgunakan dalam peneltan n berdasarkan pada asumsasums sebaga berkut : etap regon pada ctra mengandung pola warna-tekstur yang terdstrbus unform, Informas warna pada setap regon ctra dapat dnyatakan dengan beberapa warna-warna terkuantsas, yang tepat untuk sebagan besar ctra pemandangan alam berwarna, Warna-warna antara dua regon tetangga dapat dbedakan. Hal n merupakan asums dasar dar semua algortma segmentas ctra berwarna. Algortma JEG memerlukan tga parameter, pertama, threshold untuk proses kuantsas warna. Threshold tersebut menentukan jarak mnmum antara dua cluster warna yang akan dgabungkan. Kedua, jumlah skala segmentas dan ketga, threshold untuk regon mergng. Gambar menunjukkan Blok stem algortma JEG []. Ctra berwarna Kuantsas warna Color class-map egmentas spasal Perhtungan J-mage J-mage on growng on-regon tersegmentas on mergng Pendahuluan egmentas ctra berwarna sangat bermanfaat terutama dalam aplkas temu kembal ctra. Hasl segmentas Gambar. Blok stem Algortma JEG

2 Metode. Kuantsas Warna Pertama, warna-warna pada ctra dkuantsas secara kasar tanpa menurunkan kualtas warna secara sgnfkan. Tujuannya adalah untuk mengekstrak beberapa perwaklan warna yang dapat dgunakan untuk membedakan regon-regon dalam ctra. ecara khusus, dperlukan 0 sampa 0 warna dalam ctra pemandangan alam. Kuantsas warna yang bak berpengaruh terhadap proses segmentas. Dalam mplementas peneltan n dgunakan algortma kuantsas warna perseptual [3]. Algortma kuantsas warna perseptual bekerja berdasarkan perseps penglhatan manusa yang lebh senstf terhadap perubahan pada smooth regon darpada perubahan pada detaled regon (textured regon). mooth regon adalah boundary regon-regon yang memungknkan, sedangkan detaled regon adalah regon-regon homogen pada ctra. Karena tu, warna-warna dapat dkuantsas secara lebh kasar pada detaled regon tanpa mempengaruh kualtas perseptual secara sgnfkan. Berdasarkan fakta tersebut, setap pksel dtanda dengan bobot yang berdasarkan pada varance dalam wndow lokal sedemkan rupa sehngga pksel-pksel pada smooth regon lebh pentng darpada pksel-pksel pada detaled regon. Algortma n menggunakan statstk lokal yang dperoleh setelah peer group flterng, yatu bobot dalam proses kuantsas vektor. Prosedur kuantsas warna adalah sebaga berkut :. Konvers ruang warna RGB ke LUV untuk menjaga kualtas warna.. Pertama, peer group flterng dterapkan untuk menghaluskan ctra dan menghlangkan mpulse nose. Haslnya berupa : x : vektor pksel ctra yang telah dhaluskan oleh anggota peer group-nya N : jumlah cluster awal v : bobot perseptual untuk setap pksel 3. Clusterng dengan Generalzed Lloyd Algorthm (GLA). Haslnya berupa centrod untuk setap cluster warna. 4. Penggabungan cluster-cluster yang jarak centrodnya kurang dar threshold kuantsas warna. 5. Klasfkas pksel ke dalam cluster warna yang centrodnya terdekat dengan ntenstas pksel tersebut. 6. Konvers ruang warna LUV ke RGB untuk menamplkan ctra hasl kuantsas warna... Peer Group Flterng (PGF) [3] Msalkan x 0 (n) menyatakan vektor pksel ctra yang memberkan cr nformas warna pada poss n yang berpusat pada wndow w x w. Urutkan semua pksel pada wndow tersebut berdasarkan jaraknya terhadap x 0 (n) dalam urutan ascendng dan nyatakan sebaga x (n), = 0,..., k = w. Ukuran jarak Eucldean yang dgunakan adalah : d n x 0 n x n 0,..., k (), d n d n... d n 0 k () Peer group P(m,w) untuk x 0 (n) terdr dar m pksel yang ntenstasnya terdekat dengan x 0 (n) dalam wndow w x w yang berpusat pada x 0 (n). Penentuan m menggunakan estmas dskrmnan Fsher. Crteron yang dmaksmalkan adalah : a a s, J s d mana : j0,..., k k (3) a d j n, a d j n k j s d n a, s d n a j0 j (4) k j (5) j m adalah ndeks d mana J() bernla maksmum. elanjutnya x 0 (n) dgant dengan ratarata anggota peer group-nya. Untuk menghlangkan efek mpulse nose, turunan pertama dar jarak d (n), f (n), dhtung sebelum klasfkas peer group : f n d n d n (6) Pengujan dlakukan terhadap M ttk pertama dan terakhr dar x (n) untuk memerksa apakah ttk-ttk tersebut termasuk mpulse nose : f n (7) d mana M = w /, separuh dar ukuran wndow, dan α dset bernla tngg untuk ctra yang sangat rusak dan dset bernla rendah untuk ctra yang sedkt rusak. Jka f (n) tdak memenuh konds tersebut, maka ttk-ttk terakhr x j (n) untuk j atau j > danggap sebaga mpulse nose dan dhlangkan. Kemudan d j (n) ssanya dgunakan untuk mengestmas peer group yang sebenarnya. elanjutnya dlakukan perhtungan jarak maksmum setap peer group T(n). Nla T(n) mengndkaskan kehalusan regon lokal. Bobot perseptual untuk setap pksel v(n) dhtung dengan : vn exp Tn (8) sehngga pksel-pksel pada detaled regon memlk bobot yang lebh rendah darpada pkselpksel pada smooth regon. Rata-rata T(n), T avg, mengndkaskan kehalusan keseluruhan ctra. ecara umum, semakn besar nla T avg, semakn berkurang kehalusan ctra dan semakn banyak jumlah cluster yang dperlukan untuk kuantsas warna. Jumlah awal cluster N destmas dengan : (9) N T avg d mana β dset bernla pada percobaan.

3 .. Generalzed Lloyd Algorthm (GLA) GLA dgunakan untuk menanda pksel-pksel yang berbobot rendah dengan cluster yang lebh sedkt untuk mengurang jumlah cluster warna pada detaled regon. Centrod untuk cluster warna C dhtung dengan : vnxn c, x( n ) C (0) v n. egmentas pasal etelah tahap kuantsas warna, dperoleh color class-map, yatu label yang dtanda pada pksel-pksel dalam ctra yang menyatakan klasfkas cluster warna untuk pksel tersebut. Gambar menunjukkan contoh color class-map. Nla label dwakl oleh tga smbol, *, +, dan o. Gambar. Contoh color class-map Gambar 3 menunjukkan flow chart tahap segmentas spasal. Mula-mula, ctra nput danggap sebaga satu regon nsal. Algortma n kemudan mensegmentas semua regon dalam ctra pada skala nsal yang besar. Proses tersebut dulang pada regon-regon tersegmentas baru pada skala berkutnya yang lebh kecl hngga mencapa skala mnmum yang telah dtentukan. Kurang skala dengan Tdak Color class-map kala nsal Untuk setap regon Perhtungan nla J lokal on growng on-regon tersegmentas kala < Threshold Ya Tabel. Ukuran wndow pada skala yang berbeda [] kala Wndow (pksel) amplng (/pksel) Ukuran on (pksel) Valley Mnmum (pksel) 9 x 9 / ( x ) 64 x x 7 / ( x ) 8 x x 33 / (4 x 4) 56 x x 65 / (8 x 8) 5 x Perhtungan J-Image J-mage adalah ctra grayscale yang nla pksel-pkselnya adalah nla J yang dhtung terhadap wndow lokal yang berpusat pada pksel tersebut. d mana : dan J W B T W () T C W zz W z m C zz z m () (3) Keterangan : T : jarak antar kelas-kelas warna yang berbeda (between class scatter matrx) W : jarak antar anggota dalam setap kelas warna (wthn class scatter matrx) m : rata-rata lokas spasal pksel dalam wndow m : rata-rata lokas spasal pksel dalam kelas warna emakn besar nla J, maka pksel tersebut semakn mendekat boundary regon. J-mage dapat dlhat sebaga peta yang mengandung valley dan mountan yang berturut-turut mewakl pusat regon dan boundary regon. Wndow yang dgunakan dalam perhtungan J-mage berbeda-beda dalam setap skala segmentas, sepert pada Gambar 4. Tepan wndow dhlangkan untuk membuat wndow lebh srkuler sehngga tdak menmbulkan bas terhadap objek seg empat. on mergng Hasl segmentas Gambar 3. Flow chart tahap segmentas spasal Tabel bers hmpunan skala dan ukuran regon yang sesua untuk skala tersebut. Msalnya, jka ukuran ctra lebh besar darpada 56 x 56, tetap lebh kecl darpada 5 x 5, skala awalnya adalah 3. (a) (b) Gambar 4. Wndow untuk perhtungan nla J lokal (a) Wndow dasar pada skala. (b) Ilustras wndow pada skala. Hanya ttk-ttk bertanda + yang dgunakan untuk perhtungan nla J lokal, sehngga membentuk wndow dasar yang sama dengan (a). 3

4 Jumlah.. on Growng on growng dgunakan untuk mengelompokkan pksel-pksel ke dalam regonregon. Haslnya berupa regon-map, yatu label yang dtanda pada pksel-pksel dalam ctra yang merupakan klasfkas regon untuk pksel tersebut. on growng terdr dar dua tahap, yatu : Valley determnaton Valley determnaton dgunakan untuk menentukan hmpunan valley terbak. Pkselpksel dengan nla J kurang dar threshold dhubungkan untuk membentuk kanddat valley. Kanddat valley yang ukurannya melebh ukuran valley mnmum pada skala segmentas yang bersesuaan (sepert pada Tabel ) akan menjad valley. Valley growng Valley growng merupakan proses pembentukan regon-regon dar valley-valley...3 on Mergng on mergng dgunakan untuk menggabungkan regon-regon yang jaraknya kurang dar threshold regon mergng. Mula-mula, dlakukan perhtungan jarak antara dua regon tetangga dan haslnya dsmpan dalam tabel jarak. Kemudan pasangan regon dengan jarak mnmum dgabungkan. Vektor ftur warna untuk regon tersebut dhtung dan tabel jarak dupdate. Proses tersebut berlanjut hngga mencapa threshold maksmum untuk jarak. etelah regon mergng, dperoleh hasl segmentas. 3 Hasl Uj Coba Uj coba dlakukan pada ctra berwarna event olah raga lapangan hjau, yang mencakup golf dan sepak bola dengan ukuran 8 x 8. Tujuan pengujan n untuk melhat dan menganalsa hasl segmentas yang bak menurut kombnas nla parameter yang tepat. Uj coba dlakukan dengan varas nla parameter threshold kuantsas warna pada setap ctra dengan nla mencakup:, 64, 8, 5, 800, 000, 500, 8000 dan Untuk skala dset default yang secara otomats mengkut ukuran dar ctra. edangkan nla parameter threshold untuk regon mergng, berksar antara 0 hngga dan dber nla default yang sesua yatu 0.4. Hasl segmentas pada salah satu ctra event olah raga golf3.jpg dtunjukkan pada Gambar 5. Dengan varas nla parameter threshold kuantsas, jumlah skala (oleh sstem menjad berdasar ukuran ctra), dan threshold regon mergng d set 0,4. Tr- Kuan Jml- Cluster Jml Merg Total Komp (detk) Hasl Perbandngan Varas Threshold Kuantsas Warna pada Golf3.jpg Threshold Kuantsas Warna Tr-Kuan Jml-Cluster Jml Merg Total Komp (detk) Gambar 5. Hasl egementas, Tabel dan Grafk Perbandngan pada Varas Threshold Kuantsas Warna Golf3.jpg edang hasl segmentas pada salah satu ctra event olah raga sepak bola golf3.jpg dtunjukkan pada Gambar 6. et parameter yang sama, yatu varas nla parameter threshold kuantsas, jumlah skala (oleh sstem menjad berdasar ukuran ctra), dan threshold regon mergng d set 0,4 Tr- Kuan Jml- Cluster Jml Merg Total Komp (detk)

5 Jumlah Hasl Perbandngan Varas Threshold Kuantsas Warna occer3.jpg Threshold Kuantsas Warna Tr-Kuan Jml-Cluster Jml Merg Total Komp (detk) Gambar 6. Hasl egementas, Tabel dan Grafk Perbandngan pada Varas Threshold Kuantsas Warna occer3.jpg Dar pengamatan, semakn besar threshold kuantsas warna, jumlah cluster warna semakn berkurang karena semakn banyak cluster warna yang dgabungkan. Namun jumlah regon yang terbentuk tdak selalu berkurang mengkut jumlah cluster. edangkan jumlah regon mergng juga akan mengkut dar jumlah regon yang terbentuk. Untuk waktu komputas juga cenderung makn berkurang. Berdasarkan uj coba varas nla threshold kuantsas warna pada setap ctra, hasl segmentas ctra terbak cenderung pada nla parameter 55 dengan prosentase 67% dbandng yang lan sepert pada gambar 7. Prosentase Threshold Kuantsas Warna Dengan kombnas parameter yang tepat, sangat berguna pada pengembangan berkutnya khususnya dalam penerapan sstem temu kembal ctra dengan memanfaatkan hasl segmentas dar algortma JEG. 5 Daftar Pustaka. D. Comancu and P. Meer, Robust analyss of feature spaces: color mage segmentaton, Proc. of IEEE Conf. on Computer Vson and Pattern Recognton, pp , Y. Deng, B.. Manjunath, dan H. hn. Color Image egmentaton, In : Proceedngs of IEEE Computer ocety Conference on Computer Vson and Pattern Recognton CVPR 99, Fort Collns, CO, vol., pp , Jun Y. Deng, C. Kenney, M.. Moore, dan B.. Manjunath, Peer Group Flterng and Perceptual Color Image Quantzaton, to appear n Proc. of ICA, Y. Deng, B.. Manjunath, Unsupervsed egmentaton of Color-Texture ons n Images and Vdeo, IEEE Transactons on Pattern Analyss and Machne Intellgence (PAMI 0), vol. 3, no. 8, pp , Agustus 00. 8% 8% 7% T-8 T-55 T-5 T % Gambar 7. Grafk Prosentase Threshold Kuantsas Warna 4 Kesmpulan Dar hasl uj coba yang dlakukan, ddapatkan beberapa smpulan sebaga berkut:. Penentuan nla parameter pada proses segmentas n sangat menentukan hasl segmentas ctra yang sesua.. Parameter nla threshold kuantsas warna berpengaruh terhadap jumlah cluster warna yang terbentuk, dmana semakn besar nla parameter, jumlah cluster warna semakn sedkt karena semakn banyak cluster yang dgabungkan, demkan pula sebalknya. Dan waktu komputas juga makn kecl karena mak sedkt cluster warna yang dproses. 3. Berdasarkan uj coba pada varas nla threshold kuantsas warna, hasl segmentas ctra terbak cenderung pada nla parameter 55 dengan prosentase 67% dbandng yang lan. 5

6 6