EKSTRAKSI JALAN SECARA OTOMATIS DENGAN DETEKSI TEPI CANNY PADA FOTO UDARA TESIS OLEH: ANDRI SUPRAYOGI NIM :

Transkripsi

1 EKSTRAKSI JALAN SECARA OTOMATIS DENGAN DETEKSI TEPI CANNY PADA FOTO UDARA (Menggunakan Transformasi Wavelet Untuk Penghalusan Citra ) TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar Magister dari Institut Teknologi Bandung OLEH: ANDRI SUPRAYOGI NIM : Program Studi Teknik Geodesi dan Geomatika INSTITUT TEKNOLOGI BANDUNG 2008

2 ABSTRAK Ekstraksi Jalan Secara Otomatis Dengan Deteksi Tepi Canny Pada Foto Udara (Menggunakan Transformasi Wavelet Untuk Penghalusan Citra ) Oleh Andri Suprayogi NIM : Pada penelitian ini dilakukan proses ekstraksi unsur jalan secara otomatis yang terdiri dari proses deteksi tepi dan pengenalan jalan. Proses deteksi tepi dilakukan dengan menggunakan deteksi tepi metode Canny yang telah dikenal secara luas, sedangkan pengenalan jalan dilakukan dengan Analisis Watershed, analisis keterhubungan dan analisis ketetanggaan antar piksel. Pre-prosessing prosedur dengan penghalusan citra menggunakan transformasi Wavelet untuk menurunkan pengaruh derau dan variasi tekstur yang dapat menjadi penyebab kesalahan deteksi tepi dilakukan sebelum proses deteksi tepi Canny. Pada transformasi Wavelet terdapat pemisahan atau dekomposisi secara multi level yang menghasilkan citra aproksimasi dalam berbagai resolusi. Tujuan utama dari penelitian ini adalah untuk mengkaji keterkaitan antara hasil ekstraksi jalan dengan level dekomposisi untuk menunjukkan kualitas hasil ekstraksi jalan secara otomatis terkait dengan level dekomposisi i

3 Abstract Automatic Road Extraction Using Canny Edge Detection From Aerial Images (with Wavelet Transform for image smoothing) By Andri Suprayogi NIM : In this research automatic road extraction were carried out. It is consist of road edge detection and road features recognition. The edge detection process was carried out with well known Canny edge detection, while the road feature recognition were using watershed analysis, pixel connectivity analysis and pixel neigbourhood analysis. Pre-processing procedure with image smoothing and Wavelet Transformation to reduce noises and texture variations which can be sources of edge etection error were done prior to Canny Edge Detection. In Wavelet transformation there are separation or decomposition which can be done repetitively in multi level that produces aproximation images in various resolution. The final goal is to investigate the link between road extraction result and the decomposition level to show how good the result of automatic road extraction process relate to decomposition level. ii

4 Ekstraksi Jalan Secara Otomatis Dengan Deteksi Tepi Canny Pada Foto Udara (Menggunakan Transformasi Wavelet Untuk Penghalusan Citra ) Oleh Andri Suprayogi NIM : Program Studi Teknik Geodesi dan Geomatika Institut Teknologi Bandung Menyetujui Tim Pembimbing Tanggal.. Pembimbing I Pembimbing II (D. Muhally Hakim, Dr, Ir, M. Sc.) (Saptomo H. Mertotaroeno, Ir., M. Sc.) iii

5 PEDOMAN PENGGUNAAN TESIS Tesis S2 yang tidak dipublikasikan terdaftar dan tersedia di Perpustakaan Institut Teknologi Bandung, dan terbuka untuk umum dengan ketentuan bahwa hak cipta ada pada pengarang dengan mengikuti aturan HaKI yang berlaku di Institut Teknologi Bandung. Referensi kepustakaan diperkenankan dicatat, tetapi pengutipan atau peringkasan hanya dapat dilakukan seizin pengarang dan harus disertai dengan kebiasaan ilmiah untuk menyebutkan sumbernya. Memperbanyak atau menerbitkan sebagian atau seluruh tesis haruslah seizin Direktur Program Pascasarjana, Institut Teknologi Bandung. iv

6 Dipersembahkan kepada Kedua Orang Tuaku, Anwari Suratman dan Sri Suprapti, yang dengan sabar mendukung dan menyemangati dalam menjalani penyelesaian penelitian ini v

7 UCAPAN TERIMA KASIH Penulis sangat berterima kasih pada yang terhormat Bapak D. Muhally Hakim, Dr, Ir, M. Sc. dan Bapak Saptomo H. Mertotaroeno, Ir., M. Sc. sebagai Pembimbing, atas segala saran, bimbingan dan nasehatnya selama penelitian berlangsung dan selama penulisan tesis ini. vi

8 Daftar Isi Abstrak... Abstract... Lembar Pengesahan... Pedoman Penggunaan Thesis... Persembahan... Ucapan Terima kasih... Daftar Isi... Daftar Lampiran... Daftar Gambar dan Ilustrasi... Daftar Tabel... i ii iii iv v vi vii ix x xii Bab I Pendahuluan... 1 I.1 Latar Belakang... 1 I.2 Identifikasi Permasalahan... 3 I.3 Tujuan & Sasaran Penelitian... 4 I.4 Metodologi Penelitian... 5 I.5 Batasan Penelitian... 7 I.6 Struktur Penulisan Thesis... 7 Bab II Tinjauan Pustaka... 9 II.1 Ekstraksi unsur jalan pada citra... 9 II.1.1 Deteksi Tepi Unsur Pada Citra II.1.2 Deteksi Tepi Canny II.2 Teori Wavelet II.2.1 Dekomposisi Wavelet Pada Citra II.2.2 Pengolahan Citra Dengan Transformasi Wavelet II.3 Pengenalan Jalan Pada Hasil Deteksi Tepi II.3.1 Analisis Watershed II.3.2 Template Matching II.3.3 Analisis Perubahan Arah II.3.4 Analisis Keterhubungan BAB III Pelaksanaan Penelitian III.1 Data Dan Sampel III.2 Peralatan Yang digunakan III.3 Tahap Persiapan III.3.1 Pemotongan Citra III.3.2 Resampling ukuran Citra ke 512x512 piksel III.4 Dekomposisi Wavelet Pada Citra III.4.1 Dekomposisi ke Level 1, 2, dan vii

9 III.4.2 Penghitungan Cakupan Dari Citra Hasil Dekomposisi III.4.3 Penajaman Citra Dengan Ekualisasi Histogram Adaptif III.5 Deteksi Tepi Dengan Metode Canny III.6 Pengenalan Jalan II.6.1 Analisis Watershed III.6.2 Eliminasi Percabangan III.6.3 Eliminasi Untaian Garis Yang Arahnya Berubah Cepat III.6.4 Eliminasi Segmen Pendek BAB IV Analisis IV.1 Pendekatan Analisis IV.1.1 Analisis Terhadap Proses Dekomposisi IV.1.2 Analisis Terhadap Hasil Ekstraksi Jalan IV.2 Penghitungan Statistik Citra Aproksimasi IV.2.1 Rekonstruksi Wavelet IV.2.2 Penghitungan Selisih Citra Hasil Rekonstruksi IV.2.3 Representasi Sebaran Selisih Secara Spasial IV.3 Penghitungan Nilai Persentase Kelengkapan Dan Ketepatan IV.3.1 Pengadaan Citra Referensi IV.3.2 Overlay Hasil Ekstraksi Dengan Data Referensi IV.3.3 Penghitungan Nilai Ketelitian Hasil Ekstraksi BAB V Kesimpulan Dan Saran V.1 Kesimpulan V.2 Saran Daftar Pustaka viii

10 Daftar Lampiran Lampiran I Hasil Deteksi Tepi Canny Lampiran II Hasil Analisis Watershed Lampiran III Kliping hasil deteksi tepi Lampiran IV Hasil pengenalan bentuk Lampiran V Tabel Jumlah Piksel Hasil Ekstraksi Jalan Lampiran VI Kode Pemrograman Matlab ix

11 Daftar Gambar Dan Ilustrasi Gambar I.1 Diagram alir proses dekomposisi... 5 Gambar I.2 Diagram alir proses deteksi tepi dan pengenalan jalan... 6 Gambar II.1. Matriks Template Pendeteksi Tepi Gambar II.2. Gambar proses konvolusi Gambar II.3. Contoh Hasil Deteksi Tepi Prewitt Gambar II.4 Citra dengan derau dan tekstur dan hasil deteksi tepi Prewittnya. 12 Gambar II.5. Matriks template dari filter Gaussian Gambar II.6. Hasil deteksi tepi pada citra terfilter Gambar II.7 Jarak Euclides pada satu piksel dengan piksel sekitarnya Gambar II.8 Contoh proses thinning Gambar II.9 Contoh proses deteksi tepi Canny Gambar II.10 Citra, Variasi intensitas dan frekuensinya pada satu baris citra 17 Gambar II.11 Fungsi Jendela Gambar II.12 Fungsi Jendela dan hasil pemisahannya Gambar II.13. Sinyal yang frekuensinya berubah seiring dengan waktu Gambar II.14 Beberapa bentuk Fungsi Wavelet Gambar II.15 Plot Sinyal Diskrit Gambar II.16 Plot rata-rata dan selisih sampel Gambar II.17 Unit satuan rata-rata sinyal dan selisih sinyal Gambar II.18 Dekomposisi Multilevel Gambar II.19 Proses dekomposisi dua dimensi Gambar II.20 Diagram alur dekomposisi multilevel Gambar II.21 Diagram alur Rekonstruksi Gambar II.22 Variasi kelompok nilai piksel Gambar II.23 Citra aproksimasi (level 1) dan hasil deteksi tepinya Gambar II.24 Contoh Analisis Watershed Gambar II.25 Contoh Pembuatan buffer Gambar II.26 Contoh bentuk citra template Gambar II.27 Partisi 3x3 dari suatu citra biner Gambar II.28 Eliminasi piksel pada template matching Gambar II.29 Batas perubahan arah pada data vektor dan raster Gambar II.30 Hubungan 4-koneksi dan 8 koneksi Gambar II.31 Pengkodean untaian piksel Gambar III.1 Area sampel pada Data foto udara Gambar III.2 Hasil resampling ke citra berukuran 512x512 piksel Gambar III.3 Susunan hasil dekomposisi Gambar III.4 Hasil dekomposisi dengan fungsi wavelet haar Gambar III.5 Hasil dekomposisi dengan fungsi wavelet db Gambar III.6 Hasil dekomposisi dengan fungsi wavelet sym Gambar III.7 Histogram citra asli dan aproksimasinya dengan db3 x

12 pada level Gambar III.8 Citra hasil dekomposisi db3 dan penajamannya Gambar III.9 Histogram Dekomposisi db Gambar III.10 Hasil Deteksi tepi Canny pada citra asli Gambar III.11 Hasil deteksi tepi pada citra hasil dekomposisi db3 (lanjutan) Gambar III.12 Hasil analisis watershed pada citra asli Gambar III.13 Contoh Hasil analisis watershed yang diterapkan pada citra hasil dekomposisi haar Gambar III.14 Hasil buffering pada citra asli Gambar III.15 Hasil buffering pada dekomposisi haar level Gambar III.16 Kliping Deteksi Tepi pada citra asli Gambar III.17 Kliping Deteksi Tepi deteksi tepi db Gambar III.18 Template dan hasil pencocokannya Gambar III.19 Zone arah dan sudut perubahannya Gambar III.20 Hasil pengenalan jalan pada citra asli Gambar III.21. Contoh hasil pengenalan jalan pada dekomposisi db Gambar IV.1 Citra hasil rekonstruksi dari transformasi - db Gambar IV.2 Grafik statistik selisih hasil rekonstruksi Gambar IV.3 Histogram selisih piksel hasil rekonstruksi dengan citra asli Gambar IV.4 Sebaran selisih hasil rekonstruksi Gambar IV.5 Data vektor referensi Gambar IV.6 Elemen garis data referensi Gambar IV.7 Total jumlah piksel garis data referensi Gambar IV.8. Contoh hasil overlay pada citra db Gambar IV.9 Variasi jumlah piksel terekstrak pada citra hasil dekomposisi Gambar IV.10 Variasi jumlah piksel hasil overlay pada citra hasil dekomposisi 57 Gambar IV.11 Variasi persentase kelengkapan hasil ekstraksi Gambar IV.12. Variasi persentase ketepatan hasil ekstraksi pada xi

13 Daftar Tabel Tabel III.1 Komponen georeferensi foto udara Tabel III.2 Peralatan yang digunakan Tabel III.3. Komponen georeferensi citra hasil pemotongan Tabel III.4 Komponen georeferensi citra hasil resampling Tabel III.5 Cakupan citra hasil dekomposisi haar Tabel III.6 Cakupan citra hasil dekomposisi db3 dan sym Tabel III.7 Nilai pengali threshold pada analisis Watershed Tabel III.8 Variabel jarak buffer pada hasil dekomposisi haar Tabel III.9 Panjang untaian piksel minimum Tabel IV.1 Statistik Selisih nilai piksel dengan citra asli Tabel IV.2 Total jumlah piksel verteks tereduksi Tabel IV.3 Perbandingan hasil analisis Tabel IV.4 Sebaran rank dari setiap hasil proses analisis xii