PEMANFAATAN KONSEP ATENSI VISUAL UNTUK MENGUKUR KOMPLEKSITAS CITRA DIJITAL
|
|
- Yanti Susanto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PEMANFAATAN KONSEP ATENSI VISUAL UNTUK MENGUKUR KOMPLEKSITAS CITRA DIJITAL Disampaikan dalam Konferensi Nasional Matematika XVII Juni 2014 di Institut Teknologi Sepuluh November Setiawan Hadi, Asep Sholahuddin, Juli Rejito Universitas Padjadjaran
2 Kompleksitas Citra DIjital
3 Pengukuran Kompleksitas Citra Dijital Seberapa banyak perhatian/atensi diberikan untuk Mendeteksi dan mengenal objek dalam citra Membangun pemahaman maupun hubungan antar objek (statis, dinamis) yang terkandung dalam citra
4 Kompleksitas (Complexity) an arrangement of parts, so intricate as to be hard to understand or deal with (Webster, 1986)
5 Kompleksitas Citra Dijital Pengukuran kompleksitas citra dijital dilakukan untuk menyelesaikan permasalahan yang berkaitan dengan pemrosesan citra dijital antara lain : ATR (Automated Target Recognizer) Pattern recognition Image retrieval Image compression
6 Ukuran Kompleksitas Kompleksitas Rendah (L)
7 Ukuran Kompleksitas Kompleksitas Medium (M)
8 Ukuran Kompleksitas Kompleksitas Tinggi (V)
9 Visual Attention Sebuah proses dimana Otak manusia memutuskan bagian mana dari sebuah gambar yang dinilai penting dan perlu dijadikan fokus (perhatian) Otak manusia memutuskan bagian mana dari sebuah gambar yang bisa dihilangkan atau dijadikan bagian latar belakang Informasi yang memiliki tingkat pencahayaan rendah seringkali intensitasnya ditingkatkan secara otomatis oleh otak untuk meyakinkan bahwa informasi yang diterima dapat diproses secara efektif. Apabila informasi latar belakang tidak difilter di otak, maka seseorang akan mengalami kewalahan karena jumlah informasi visual yang dilihat mata begitu banyak
10 Demo Video Selective Attention Test (Simons & Chabris (1999) Hitunglah berapa kali pemain yang memakai kaus putih melempar bola Visual Awareness Test Hitunglah berapa kali camar melemparkan ranting kayu
11 Permasalahan??? Proses penyaringan informasi yang terjadi di otak manusia dan bagaimana menentukan bagian gambar yang dinilai penting (menarik perhatian) pada suatu saat, masih belum sepenuhnya difahami oleh para peneliti.
12 Visual Attention
13 Visual Attention
14 Visual Attention
15 VA Merupakan Hal Yang Penting Tanpa kemampuan menyaring informasi, pekerjaan-pekerjaan seperti berkendaraan akan sulit dilakukan secara aman Dengan memberikan perhatian (otak) pada bagian-bagian yang detil, maka objek-objek seperti rambu lalu lintas dapat dikenali dengan diproses sehingga keadaan yang memiliki potensi membahayakan dapat dihindarkan
16 Saliensi Saliensi adalah upaya untuk menentukan region mana dari sebuah gambar yang paling menyolok (conspicuous). Sebuah konsep yang mencoba menirukan persepsi visual manusia (bio-inspired concept) Ketika ada sebuah scene baru, sebuah low-level process akan mendrive gerakan mata (saccades) otak berusaha mencari dan menentukan region mana yang difokuskan oleh mata. This calculation is performed by the regions V1-V4 of the primary visual cortex.
17 Diagram Proses Atensi Visual dan Analisis Citra Dijital
18 Kategori Metode Atensi Visual Bottom Up (Signal Driven) Top Down (Task Driven)
19 Visual Attention Model
20 Model Komputasi Atensi Visual 1. Itti 2. Le Meur 3. Bruce
21 Model Komputasi Atensi Visual Itti A model of saliency-based visual attention for rapid scene analysis, 1998 Karakteristik: Pendekatan hirarkhis menggunakan dekomposisi multi-resolusi dan penyaringan daerah sekitar yang terpusat Representasi terpusat melalui pembangunan peta saliensi global
22 Model Komputasi Atensi Visual Le Meur A coherent computational approach to model bottom-up visual attention, 2006 Karakteristik: Peningkatan Itti Dibangun dengan fitur dan peta conspicuity yang lebih nyata (realistis tetapi lebih kompleks) Skema penggabungan peta conspicuity yang ditingkatkan kualitasnya
23 Model Komputasi Atensi Visual Bruce Saliency, attention, and visual search: An Information theoretic approach, 2009 Karakteristik: Pendekatan alternatif berbasis teori informasi Menggabungkan independent component analysis (ICA) dengan pengukuran mandiri untuk memperkirakan saliensi dari setiap piksel citra
24 Skema Komputasi Visual Attention
25
26 Model Saliency
27 Atensi Visual dan Kompleksitas Citra
28 Atensi Visual dan Kompleksitas Citra
29 Mengukur Kompleksitas Citra Seberapa sukar menjelaskan apa yang terkandung dalam citra dijital? (How hard is it to describe?) Seberapa sukar pembuatan citra tersebut? (How hard is it to create?) Bagaimana derajat pengorganisasian objekobjeknya, terstruktur, tidak terstruktur)? (What is its degree of organization?)
30 Menentukan Kompleksitas Citra Secara Dengan Melihat Karakteristik Internal Citra
31 Pembangunan Peta Saliensi (GBVS-Graph Based Visual Saliency)
32 Indikator Kompleksitas VAC-Visual Attention Complexity Saliency Maps
33 Deteksi Region Atensi Visual Berdasarkan Tekstur dan Fitur Objek
34 Deteksi Region Atensi Visual Berdasarkan Tekstur dan Fitur Objek
35 Image Complexity based Visual Attention
36 Database
37 Kesimpulan dan Saran 1. Kompleksitas citra dijital merupakan topik penelitian yang menantang 2. Dengan mengetahui nilai kompleksitas citra maka dapat dilakukan proses lanjutan berupa pemilihan metode analisis atau interpretasi, metode kompresi dsb 3. Penelitian saat ini masih memerlukan pendalaman lebih lanjut untuk menentukan metode yang tepat untuk menentukan VAC
38 Referensi {1} Koortstra, G., Visual Attention and Active Vision : From Natural to Artificial Systems, Rijksuniversiteit Groningen, [2] Bundesen, C., A Theory of Visual Attention, Psychological Review. 97 (4), pp , 1998 [3] Frintrop, S., Rome, E., and Christensen, H., Computational Visual Attention Systems and their Cognitive Foundations: A Survey, ACM Journal, 7 (1), 2010 [4] Itti, L., Koch, C., and Niebur., E., A Model of Saliency-based Visual Attention for Rapid Scene Analysis, IEEE Trans. On PAMI, 20 (11), pp , 1998 [5] Da Silva, M.P., Courboulay, V., and Estraillier, P., Image Complexity Measure on Visual Attention, IEEE International Conference on Image Processing, 2011 [6] Filipe, S. and Alexandre, L.A., From the human visual system to the computational models of visual attention: a survey, Artificial Intelligence Review, Springer, 2013 [7] Horvitz, E., Kadie, C., Paek, T., and Hovel, D., Models of Attention in Computing and Communication: From Principles to Applications, Microsoft Research, 2013 [8] Itti, L. and Koch, C., Computational Modelling of Visual Attention, Nature Macmillan Magazine, 2, March 2001 [9] Qianpei Mai, Visual Attention Complexity of Scene, L'Universite de Nantes Polytech Nantes, 2013
39 PEMANFAATAN KONSEP ATENSI VISUAL UNTUK MENGUKUR KOMPLEKSITAS CITRA DIJITAL Setiawan Hadi, Asep Sholahuddin, Juli Rejito Universitas Padjadjaran
PENGENALAN 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 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 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 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 terperinciJURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA :38:54
Rekonstruksi Citra pada Super Resolusi menggunakan Projection onto Convex Sets (Image Reconstruction in Super Resolution using Projection onto Convex Sets) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
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 terperinciKLASIFIKASI KAYU DENGAN MENGGUNAKAN NAÏVE BAYES-CLASSIFIER
KLASIFIKASI KAYU DENGAN MENGGUNAKAN NAÏVE BAYES-CLASSIFIER ACHMAD FAHRUROZI 1 1 Universitas Gunadarma, achmad.fahrurozi12@gmail.com Abstrak Masalah yang akan diangkat dalam makalah ini adalah bagaimana
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
Lebih terperinciAPLIKASI PENGENALAN RAMBU BERBENTUK BELAH KETUPAT
APLIKASI PENGENALAN RAMBU BERBENTUK BELAH KETUPAT Andhika Pratama, Izzati Muhimmah Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia
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 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 terperinciPemisahan Objek-Objek Berbasis Region pada Citra Digital dengan Metode Normalized Cuts
JURNAL DIGIT, Vol.1, No., November 011, pp. 13~131 ISSN: 088-589X 13 Pemisahan Objek-Objek Berbasis Region pada Citra Digital dengan Metode Normalized Cuts Marsani Asfi Program Studi Sistem Informasi Sekolah
Lebih terperinciANALISIS CITRA WAJAH DENGAN HIMPUNAN FUZZY EIGEN TERBESAR
ANALISIS CITRA WAJAH DENGAN HIMPUNAN FUZZY EIGEN TERBESAR Shinta Puspasari MDP Computer and Informatics Management Institute Jl. Rajawali 14, Palembang, 30113, Indonesia e-mail : shinta@stmik-mdp.net ABSTRAKSI
Lebih terperinciKOMPRESI CITRA MENGGUNAKAN COMPRESSED SENSING BERBASIS BLOK
KOMPRESI CITRA MENGGUNAKAN COMPRESSED SENSING BERBASIS BLOK Disusun Oleh : Ardyan Lawrence (1022068) Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof. Drg. Suria Sumantri, MPH No.65, Bandung, Indonesia.
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 terperinciPERBANDINGAN RUANG WARNA PADA PENGOLAHAN INFORMASI WARNA UNTUK SEGMENTASI CITRA MENGGUNAKAN NEUTROSOPHIC SET
PERBANDINGAN RUANG WARNA PADA PENGOLAHAN INFORMASI WARNA UNTUK SEGMENTASI CITRA MENGGUNAKAN NEUTROSOPHIC SET Monica Widiasri Teknik Informatika, Fakultas Teknik, Universitas Surabaya monica@ubaya.ac.id
Lebih terperinciSISTEM PELACAKAN WAJAH METODE HAAR
SISTEM PELACAKAN WAJAH METODE HAAR Endah Sudarmilah Jurusan Teknik Informatika, Fakultas Komunikasi dan Informatika, Universitas Muhammadiyah Surakarta Email : endah_te@yahoo.com Abstrak. Penelitian deteksi
Lebih terperinciSISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh. NamaMhs NIM: XX.YY.ZZZ. Kepada
SISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh NamaMhs NIM: XX.YY.ZZZ Kepada JURUSAN TEKNIK INFORMATIKA STMIK STIKOM BALIKPAPAN LEMBAR PERSETUJUAN Proposal Skripsi
Lebih terperinciTraffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel
1 Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel Andi Muhammad Ali Mahdi Akbar, Arief Kurniawan, Ahmad Zaini Jurusan Teknik Elektro, Fakultas Teknik Industri Institut
Lebih terperinciDETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR
DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR Naser Jawas STIKOM Bali Jl. Raya Puputan, No.86, Renon, Denpasar, Bali Email: naser.jawas@gmail.com ABSTRAK Meter air adalah sebuah alat yang
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) CIG4I3 SISTEM REKOGNISI Disusun oleh: Tjokorda Agung Wirayudha PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN Rencana Semester
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 terperinciIMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B
IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B Heri Setiawan, Iwan Setyawan, Saptadi Nugroho IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN
Lebih terperinciPengenalan Benda di Jalan Raya dengan Metode Kalman Filter. Roslyn Yuniar Amrullah
Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter Roslyn Yuniar Amrullah 7406040026 Abstrak Computer Vision merupakan disiplin ilmu perpanjangan dari pengolahan citra digital dan kecerdasan buatan.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Perencanaan Strategis Perkembangan bisnis yang pesat telah memaksa hampir semua perusahaan untuk tidak hanya memikirkan lingkungan internal perusahaan saja, tetapi juga lingkungan
Lebih terperinciBAB 1 PENDAHULUAN. keakuratan dari penglihatan mesin membuka bagian baru dari aplikasi komputer.
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Melihat perkembangan teknologi sekarang ini, penggunaan komputer sudah hampir menjadi sebuah bagian dari kehidupan harian kita. Semakin banyak muncul peralatan-peralatan
Lebih terperinciSISTEM KONTROL GERAK SEDERHANA PADA ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA DAN PENGOLAHAN CITRA
SISTEM KONTROL GERAK SEDERHANA PADA ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA DAN PENGOLAHAN CITRA Dirvi Eko Juliando Sudirman 1) 1) Teknik Komputer Kontrol Politeknik Negeri Madiun Jl Serayu No. 84, Madiun,
Lebih terperinciPengolahan Citra INTERACTIVE BROADCASTING. Yusuf Elmande., S.Si., M.Kom. Modul ke: Fakultas Ilmu Komunikasi. Program Studi Penyiaran
INTERACTIVE BROADCASTING Modul ke: Pengolahan Citra Fakultas Ilmu Komunikasi Yusuf Elmande., S.Si., M.Kom Program Studi Penyiaran www.mercubuana.ac.id Pendahuluan Istilah citra digital sangat populer pada
Lebih terperinciIMPLEMENTASI ALGORITMA FRACTAL NEIGHBOUR DISTANCE UNTUK FACE RECOGNITION
IMPLEMENTASI ALGORITMA FRACTAL NEIGHBOUR DISTANCE UNTUK FACE RECOGNITION Garibaldy W Mukti 13506004 Teknik Informatika ITB alamat : Srigading 29, Bandung 40132 email: subghost1802000@yahoo.com ABSTRAK
Lebih terperinciLesson-1. Introduction to Artificial Intelligence
Lesson-1 Introduction to Artificial Intelligence Contoh Aplikasi AI VIDEO Artificial Intelligence Intelligence Kecerdasan Intelegensia Kepintaran Artificial Buatan Semu Artifisial Apa itu AI? Bagaimana
Lebih terperinciPATTERN RECOGNITION (REKOGNISI POLA)
P S I K O L O G I K O G N I T I F PATTERN RECOGNITION (REKOGNISI POLA) Ursa Majorsy 3 rd meeting 1 Pola Komposisi stimulus penginderaan yang kompleks yang dapat dikenali oleh manusia (pengamat) sebagai
Lebih terperinciBINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC
BINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC Naser Jawas STMIK STIKOM BALI naser.jawas@stikom-bali.ac.id Abstrak Binerisasi citra dokumen adalah sebuah langkah awal yang sangat penting dalam
Lebih terperinciPENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION
PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION Suhendry Effendy Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Bina Nusantara University
Lebih terperinciAnalisa dan Perancangan Sistem Deteksi Cacat Produksi
Analisa dan Perancangan Sistem Deteksi Cacat Produksi Arif Setiawan 1 Diterima : 7 Agustus 2012 disetujui : 6 November 2012 diterbitkan : 11 Desember 2012 ABSTRACT Has been developed analysis and design
Lebih terperinciKAMERA PENDETEKSI GERAK MENGGUNAKAN MATLAB 7.1. Nugroho hary Mindiar,
KAMERA PENDETEKSI GERAK MENGGUNAKAN MATLAB 7.1 Nugroho hary Mindiar, 21104209 Mahasiswa Sarjana Strata Satu (S1) Jurusan Sistem Komputer, Fakultas Ilmu Komputer Universitas Gunadarma mindiar@yahoo.com
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Kerangka Pikir Pengenalan wajah merupakan suatu teknologi dalam dunia kecerdasan buatan agar komputer dapat meniru kemampuan otak manusia dalam mendeteksi dan mengenali
Lebih terperinciBAB 5 PENUTUP 5.1 Kesimpulan
91 BAB 5 PENUTUP Bab ini menyimpulkan hasil uji coba yang telah dilakukan. Selanjutnya diberikan beberapa saran yang mungkin dapat dijadikan pertimbangan untuk mengembangkan hasil yang diperoleh pada tugas
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 terperinciImage Processing. Nana Ramadijanti Laboratorium Computer Vision Politeknik Elekltronika Negeri Surabaya PENS-ITS 2010
Image Processing Nana Ramadijanti Politeknik Elekltronika Negeri Surabaya PENS-ITS 2010 Referensi 1. Rafael C. Gonzales E.Woods, Digital Image Processing,2 nd Edition,Prentice Hall,2001 2. Wanasanan Thongsongkrit,
Lebih terperinciKECERDASAN BUATAN Artificial Intelligence (AI)
KECERDASAN BUATAN Artificial Intelligence (AI) Pengertian AI Putu Putra Astawa S.Kom.,M.kom Ptputraastawa@gmail.com Ptputraastawa.wordpress.com Kedudukan Ilmu Kecerdasan Buatan Kecerdasan? Kecerdasan berasal
Lebih terperinciPENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING )
FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 1 Konsep Dasar Pengolahan Citra Pengertian Citra Citra atau Image merupakan istilah lain dari gambar, yang merupakan
Lebih terperinciProses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer
Pengolahan Citra / Image Processing : Proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer Teknik pengolahan citra dengan mentrasformasikan citra menjadi citra lain, contoh
Lebih terperinciJurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya
Pengenalan Wajah Menggunakan Metode Adjacent Pixel Intensity Difference Quantization Histogram Generation Oleh : ANDIK MABRUR 1206 100 716 Dosen Pembimbing : Drs. Soetrisno, MI.Komp. Jurusan Matematika
Lebih terperinciKONSEP DASAR PENGOLAHAN CITRA
KONSEP DASAR PENGOLAHAN CITRA Copyright @ 2007 by Emy 2 1 Kompetensi Mampu membangun struktur data untuk merepresentasikan citra di dalam memori computer Mampu melakukan manipulasi citra dengan menggunakan
Lebih terperinciSATUAN ACARA PERKULIAHAN ( SAP )
SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Waktu : 1 x 3x 50 Menit Pertemuan : 1 A. Kompetensi 1. Utama Mahasiswa dapat memahami tentang sistem
Lebih terperinciBAB I PENDAHULUAN. dengan memanfaatkan ciri wajah yang telah tersimpan pada database atau wajah
BAB I 1. asd PENDAHULUAN 1.1. Latar Belakang Masalah Dewasa ini perkembangan teknologi di bidang informasi khususnya dengan menggunakan komputer telah berkembang, hal ini menyebabkan banyak aplikasi baru
Lebih terperinciJurnal Pendidikan Fisika Indonesia 7 (2011) RANCANG BANGUN SISTEM PENGENALAN POLA SIDIK JARI MENGGUNAKAN METODE MINUTIAE
ISSN: 1693-1246 Januari 2011 Jurnal Pendidikan Fisika Indonesia 7 (2011) 47-51 J P F I http://journal.unnes.ac.id RANCANG BANGUN SISTEM PENGENALAN POLA SIDIK JARI MENGGUNAKAN METODE MINUTIAE Sudartono*,
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 terperinciBAB I PENDAHULUAN. beberapa region berdasarkan kriteria tertentu. Berdasarkan pengertian tersebut,
BAB I PENDAHULUAN 1.1 Latar Belakang Segmentasi merupakan salah satu proses untuk memisahkan citra menjadi beberapa region berdasarkan kriteria tertentu. Berdasarkan pengertian tersebut, dapat dikatakan
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 terperinciPENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN Bab pertama ini mencakup latar belakang permasalahan yang mendasari pelaksanaan tugas akhir, tujuan, ruang lingkup tugas akhir dan sistematika penulisan laporan. 1.1. Latar Belakang Pengenalan
Lebih terperinciPANDUAN PEMASANGAN OPENCV PADA NETBEANS 8.1
1 PANDUAN PEMASANGAN OPENCV PADA NETBEANS 8.1 Eric Andika Pratama 1), Cahyo Darujati 1 Program Studi Sistem Komputer Fakultas Ilmu Komputer, Universitas Narotama Jl. Arief Rachman Hakim No.51, Surabaya,
Lebih terperinciPendahuluan Pengantar Pengolahan Citra. Bertalya Universitas Gunadarma, 2005
Pendahuluan Pengantar Pengolahan Citra Bertalya Universitas Gunadarma, 2005 Definisi Citra Citra (Image) adalah gambar pada bidang dua dimensi. Secara matematis, citra merupakan fungsi terus menerus (continue)
Lebih terperinciFitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan
Fitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan Teady Matius Surya Mulyana tmulyana@bundamulia.ac.id, teadymatius@yahoo.com Teknik Informatika Universitas Bunda Mulia Abstrak
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 terperinciFACE TRACKING DAN DISTANCE ESTIMATION PADA REALTIME VIDEO MENGGUNAKAN 3D STEREO VISION CAMERA
FACE TRACKING DAN DISTANCE ESTIMATION PADA REALTIME VIDEO MENGGUNAKAN 3D STEREO VISION CAMERA Edy Winarno¹, Agus Harjoko² ¹ Program Studi Teknik Informatika FTI Universitas Stikubank (UNISBANK) Semarang
Lebih terperinciINFORMATION & OPERATION PERTEMUAN 6 DECY SITUNGKIR, SKM, MKKK KESEHATAN MASYARAKAT
INFORMATION & OPERATION PERTEMUAN 6 DECY SITUNGKIR, SKM, MKKK KESEHATAN MASYARAKAT Outline Pemahaman Proses Komponen Pengantar Kecelakaan lalu lintas terjadi karena pengemudi lalai menggunakan ponsel ketika
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 terperinciPenggunaan Pohon Biner dalam Pemodelan Struktur Statistik Mata Manusia
Penggunaan Pohon Biner dalam Pemodelan Struktur Statistik Mata Manusia Aditya Rizkiadi Chernadi - 13506049 Jurusan Teknik Informatika ITB, Jalan Ganesha 10 Bandung, email: if16049@students.if.itb.ac.id
Lebih terperinciPENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
PENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS Sinar Monika 1, Abdul Rakhman 1, Lindawati 1 1 Program Studi Teknik Telekomunikasi, Jurusan
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 terperinciPengenalan Wajah dengan Metode Subspace LDA (Linear Discriminant Analysis)
Pengenalan Wajah dengan Metode Subspace LDA (Linear Discriminant Analysis) Ratna Nur Azizah Jurusan Teknik Elektro FTI, Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih-Sukolilo, Surabaya-60111
Lebih terperinciKesepakatan. Kuliah Sopan : Toleransi terlambat masuk kelas : 15 Menit Duduk terpisah : laki - perempuan
Kesepakatan Kuliah Sopan : Tidak bersandal dan berkaos Busana muslimah yang pantas Toleransi terlambat masuk kelas : 15 Menit Duduk terpisah : laki - perempuan 3 1. PENDAHULUAN A. Signal Processing B.
Lebih terperinciMATEMATIKA DI BALIK CITRA DIGITAL
MATEMATIKA DI BALIK CITRA DIGITAL Hendra Gunawan Tulisan ini membahas bagaimana matematika berperan dalam pemrosesan citra digital, khususnya pengolahan dan penyimpanan citra dalam bentuk digital secara
Lebih terperinciCS3214 Pengolahan Citra - UAS. CHAPTER 1. Pengantar Pengolahan Citra
CS3214 Pengolahan Citra - UAS CHAPTER 1. Pengantar Pengolahan Citra Fakultas Informatika IT Telkom CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis) = fungsi
Lebih terperinciDATA/ INFO : teks, gambar, audio, video ( = multimedia) Gambar/ citra/ image : info visual a picture is more than a thousand words (anonim)
Pengantar DATA/ INFO : teks, gambar, audio, video ( = multimedia) Gambar/ citra/ image : info visual a picture is more than a thousand words (anonim) Citra : gambar pada bidang 2D. Secara matematis : citra
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Berikut adalah beberapa definisi dari citra, antara lain: rupa; gambar; gambaran (Kamus Besar Bahasa Indonesia). Sebuah fungsi dua dimensi, f(x, y), di mana x dan y adalah
Lebih terperinciTOPIK PENELITIAN MAHASISWA PRODI S-1 SISTEM INFORMASI UNIVERSITAS U'BUDIYAH INDONESIA TAHUN AJARAN 2015/2016
TOPIK PENELITIAN MAHASISWA PRODI S-1 SISTEM INFORMASI UNIVERSITAS U'BUDIYAH INDONESIA TAHUN AJARAN 2015/2016 Bidang Ilmu : Sistem Informasi NO TOPIK PENELITIAN SUB TOPIK Arsitektur, Dukungan layanan Algortitma
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1. Artificial Intelligence Artificial Intelligence adalah studi tentang bagaimana komputer melakukan sesuatu dimana saat itu orang melakukannya lebih baik. (Rich dan Knight, 1991).
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi
Lebih terperinciPENDETEKSI DOCKING STATION MENGGUNAKAN ROTATION INVARIANT LOCAL BINARY PATTERN PADA VISUAL BASED SERVICE ROBOT
PENDETEKSI DOCKING STATION MENGGUNAKAN ROTATION INVARIANT LOCAL BINARY PATTERN PADA VISUAL BASED SERVICE ROBOT Riza Agung Firmansyah 1), Djoko Purwanto 2), Ronny Mardiyanto 3) 1), 2),3) Teknik Elektro
Lebih terperinciBAB I PENDAHULUAN. (terlibat 8%) (Austroads, 2002). Salah satu faktor terbesar penyebab kecelakaan
BAB I PENDAHULUAN 1.1 Latar Belakang Tingkat kecelakaan lalu lintas diindonesia tergolong cukup tinggi. Menurut BPS (Badan Pusat Statistik) Indonesia, terdapat sebanyak 117.949 kecelakaan lalu lintas pada
Lebih terperinciBAB II LANDASAN TEORI. Kamera web (singkatan dari web dan camera) merupakan sebuah media
BAB II LANDASAN TEORI 2.1 Webcam Kamera web (singkatan dari web dan camera) merupakan sebuah media yang berorientasi pada image dan video dengan resolusi tertentu. Umumnya webcam adalah sebuah perngkat
Lebih terperinciDETEKSI LOCAL TAMPERING PADA VIDEO MENGGUNAKAN ALGORITMA LBP-TOP
Jurnal Teknik Komputer Unikom Komputika Volume 3, No.2-2014 DETEKSI LOCAL TAMPERING PADA VIDEO MENGGUNAKAN ALGORITMA LBP-TOP Febryanti Sthevanie Program Studi S1 Teknik Informatika, Fakultas Informatika
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 terperinci21 Juli Presentasi Sidang Tugas Akhir
Presentasi Sidang Tugas Akhir 21 Juli 2014 PENGEMBANGAN PETA INTERAKTIF TIGA DIMENSI STADION SEPAKBOLA, LAPANGAN FUTSAL INDOOR, DAN LAPANGAN TENIS INSTITUT TEKNOLOGI SEPULUH NOPEMBER MENGGUNAKAN UNREAL
Lebih terperinciPENDETEKSI DOCKING STATION MENGGUNAKAN ROTATION INVARIANT LOCAL BINARY PATTERN PADA VISUAL BASED SERVICE ROBOT
PENDETEKSI DOCKING STATION MENGGUNAKAN ROTATION INVARIANT LOCAL BINARY PATTERN PADA VISUAL BASED SERVICE ROBOT Riza Agung Firmansyah1) Djoko Purwanto2) Ronny Mardiyanto3) 1) 2)3) Teknik Elektro Institut
Lebih terperinciTIP 243 Computer Vision. 3 SKS Semester 5 and up Prasyarat disarankan: Pengolahan Citra Digital Dosen: Aditya Wikan Mahastama
TIP 243 Computer Vision 3 SKS Semester 5 and up Prasyarat disarankan: Pengolahan Citra Digital Dosen: Aditya Wikan Mahastama Computer Vision Mata kuliah ini bersifat 'inspiring subject' yang memperkenalkan
Lebih terperinciPERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA
PERBANDINGAN SEGMENTASI CITRA BERWARNA DENGAN FUZZY CMEANS CLUSTERING PADA BEBERAPA REPRESENTASI RUANG WARNA Naser Jawas Sistem Komputer STMIK STIKOM Bali Jl Raya Puputan No.86 Renon, Denpasar, Bali 80226
Lebih terperinciDeteksi Wajah Manusia pada Citra Menggunakan Dekomposisi Fourier
NATURALA Journal of Scientific Modeling & Computation, Volume 1 No.1 2013 14 ISSN 23030135 Deteksi Wajah Manusia pada Citra Menggunakan Dekomposisi Fourier Dewi Yanti Liliana 1, Muh. Arif Rahman 2, Solimun
Lebih terperinciTRACKING ARAH GERAKAN TELUNJUK JARI BERBASIS WEBCAM MENGGUNAKAN METODE OPTICAL FLOW
TRACKING ARAH GERAKAN TELUNJUK JARI BERBASIS WEBCAM MENGGUNAKAN METODE OPTICAL FLOW Ubaidillah Umar, Reni Soelistijorini, B. Eng, MT, Haryadi Amran Darwito, S.ST Jurusan Teknik Telekomunkasi - Politeknik
Lebih terperinciPERBEDAAN GRAFIKA COMPUTER DAN IMAGE PROCESSING. by Ocvita Ardhiani
PERBEDAAN GRAFIKA COMPUTER DAN IMAGE PROCESSING by Ocvita Ardhiani Perbedaan grafika computer dan image processing Pengolahan citra (image processing) Berorientasi pixel Mengolah data citra untuk mendapatkan
Lebih terperinciIdentifikasi Kadar Gula Buah Salak dengan Menggunakan Metode Fraktal Lacunarity
Identifikasi Kadar Gula Buah Salak dengan Menggunakan Metode Fraktal Lacunarity Joko Sampurno 1, a) dan Sabariah 1 1 Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Tanjungpura,
Lebih terperinciDAFTAR ISI ABSTRAK... KATA PENGANTAR... DAFTAR ISI... DAFTAR GAMBAR... DAFTAR TABEL... DAFTAR LAMPIRAN Latar Belakang... 1
ABSTRAK Saat ini komputer dan piranti pendukungnya telah masuk dalam setiap aspek kehidupan dan pekerjaan. Komputer yang ada sekarang memiliki kemampuan yang lebih dari sekedar perhitungan matematik biasa.
Lebih terperinciDescriptor Clustering SURF for Bag of Visual Words Representation in Fingerprint Images Using K-MEANS and Hierarchical Agglomerative Clustering
2015 International Conference on Information, Communication Technology and System Descriptor Clustering SURF for Bag of Visual Words Representation in Fingerprint Images Using K-MEANS and Hierarchical
Lebih terperinciPengantar Teknologi Informasi
Pengantar Teknologi Informasi Kecerdasan Buatan (Artificial Intelligence) Defri Kurniawan, M.Kom Fasilkom 1/7/2016 What s Artificial Intelligence What is Artificial Intelligence (AI) Cabang Science yang
Lebih terperinciImplementasi OpenCV pada Robot Humanoid Pemain Bola Berbasis Single Board Computer
Implementasi OpenCV pada Robot Humanoid Pemain Bola Berbasis Single Board Computer Disusun Oleh: Nama : Edwin Nicholas Budiono NRP : 0922004 Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof.Drg.Suria
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 terperinciJURNAL PENGENALAN POLA KAKI O DAN KAKI X MENGGUNAKAN METODE BRAY-CURTIS DISTANCE
JURNAL PENGENALAN POLA KAKI O DAN KAKI X MENGGUNAKAN METODE BRAY-CURTIS DISTANCE Recognition pattern of foot o and foot x using method bray-curtis distance Oleh: FATHUL MU ARIF 12.1.03.02.0091 Dibimbing
Lebih terperinciBAB I PENDAHULUAN. pengetahuan yang sangat populer saat ini. Dengan ilmu pengetahuan ini, teknologi di
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Teknologi Informasi dan Komunikasi (TIK) merupakan suatu cabang ilmu pengetahuan yang sangat populer saat ini. Dengan ilmu pengetahuan ini, teknologi di dunia
Lebih terperinciPEMANFAATAN KAMERA CCTV SEBAGAI ALAT BANTU TRAFFIC SURVEY BIDANG : TRAFFIC ENGINEERING. Ressi Dyah Adriani NPP
PEMANFAATAN KAMERA CCTV SEBAGAI ALAT BANTU TRAFFIC SURVEY BIDANG : TRAFFIC ENGINEERING Ressi Dyah Adriani NPP 10529 ressi.adriani@jasamarga.co.id ABSTRAK Data kepadatan lalu-lintas merupakan kebutuhan
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 terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Penentuan Masalah Penelitian Masalah masalah yang dihadapi oleh penggunaan identifikasi sidik jari berbasis komputer, yaitu sebagai berikut : 1. Salah satu masalah dalam
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 terperinciFAKULTAS TEKNIK UNIVERSITAS NEGERI YOGYAKARTA SILABUS PENGANTAR TEKNOLOGI INFORMASI
No. SIL/EKA/PTI 201/06 Revisi : 00 Tgl: 21 Juni 2010 Hal 1 dari 5 MATA KULIAH : Pengantar KODE MATA KULIAH : PTI SEMESTER : 1 PROGRAM STUDI : Pendidikan Teknik Informatika DOSEN PENGAMPU : Rahmatul Irfan,
Lebih terperinciImplementasi Sistem Pendeteksi Gerakan dengan Motion Detection pada Kamera Video Menggunakan AForge.NET
JURNAL TEKNIK POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Print) 1 Implementasi Sistem Pendeteksi Gerakan dengan Motion Detection pada Kamera Video Menggunakan AForge.NET Muhammad Redha, Dwi
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 terperinciMENENTUKAN KEPADATAN LALU LINTAS DENGAN PENGHITUNGAN JUMLAH KENDARAAN BERBASIS VIDEO PROCESSING
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2009 MENENTUKAN KEPADATAN LALU LINTAS DENGAN PENGHITUNGAN JUMLAH KENDARAAN BERBASIS VIDEO PROCESSING Muahamd Syukur¹, Iwan Iwut Tritoasmoro², Koredianto Usman³
Lebih terperinci2. Tahapan Penelitian
1 Course Outline 1. Pengantar Penelitian 2. Tahapan Penelitian 3. Masalah Penelitian 4. Literature Review 5. Struktur Penulisan Tesis 6. Kesalahan Penulisan Tesis 7. Metode Eksperimen 8. Pengujian Tesis
Lebih terperinciKlasifikasi Citra Menggunakan Metode Minor Component Analysis pada Sistem Temu Kembali Citra
Jurnal Ilmiah Ilmu Komputer, Vol 15 No. 2, Desember 2010 : 38-41 Klasifikasi Citra Menggunakan Metode Minor Component Analysis pada Sistem Temu Kembali Citra Vera Yunita, Yeni Herdiyeni Departemen Ilmu
Lebih terperinci