1 / 8

Metodologi Hybrid Berdasar Informasi Spasial dan Spektral Unsupervised dan Supervised

Metodologi Hybrid Berdasar Informasi Spasial dan Spektral Unsupervised dan Supervised. Prof.Dr. Aniati Murni (R 1202) Dina Chahyati, M.Kom, (R 1226) Fakultas Ilmu Komputer Universitas Indonesia. Penyusunan Citra Tematik Berdasar Data Hiperspektral. Citra Tematik:

amara
Download Presentation

Metodologi Hybrid Berdasar Informasi Spasial dan Spektral Unsupervised dan Supervised

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Metodologi Hybrid BerdasarInformasi Spasial dan SpektralUnsupervised dan Supervised Prof.Dr. Aniati Murni (R 1202) Dina Chahyati, M.Kom, (R 1226) Fakultas Ilmu Komputer Universitas Indonesia

  2. Penyusunan Citra TematikBerdasar Data Hiperspektral • Citra Tematik: • Segmented Image: satu wilayah dengan wilayah lainnya mempunyai kode atau label berbeda, label tidak mengindikasikan kategori obyek • Themati Image: semua wilayah dengan kategori obyek sama mempunyai kode atau label sama, label menyatakan thema obyek • Karakteristik Citra Sensor Hiperspektral: • Jumlah band > 100 • Panjang gelombang kontinu (2.0 – 2.5 mikrometer), tidak cukup lebar untuk respon obyek penutup lahan, sehingga menimbulkan gangguan • Dapat digunakan untuk identifikasi jumlah obyek yang besar termasuk obyek berukuran kecil (target) • Pada resolusi spasial tinggi (sekitar 1 m), terjadi efek shadow yang merupakan gangguan

  3. Metodologi(Sumber: Wiweka, Fasilkom UI) • Pemrosesan Tingkat Awal • Transformasi Warna • Filtering • Pemrosesan Tingkat Menengah (pendekatan spasial – unsupervised) • Segmentasi • Region Merging • Pemrosesan Tingkat Akhir (supervised) • Reklasifikasi • Region labeling • Knowledge Based System

  4. Pemrosesan Tingkat Awal • Transformasi Warna: • Red Green Blue (RGB) • Yellow Magenta Cyan (YMC) • Hue Lightness Saturation (HLS) • CIE • Filtering • Low Pass Filter • Median Filter • Mean Shift Filter

  5. Pemrosesan Tingkat Menengah • Segmentasi • Edge-based • Region-based • Morphological • Region Merging • Oversegmentation • Nilai mean antar wilayah tidak berbeda jauh • Jumlah piksel maksimum per wilayah

  6. Pemrosesan Tingkat Akhir • Pemilihan sampel pelatihan - supervised • Diambil dari segmented image dan informasi supervised – proses reklasifikasi • Perhitungan vektor ciri setiap obyek – proses pelabelan, garis batas obyek sesuai pendekatan spasial • Penyusunan aturan vektor ciri setiap obyek – proses dengan Knowledge Based System

  7. Hasil Segmentasi(Sumber: Wiweka, Fasilkom UI)

  8. Region Merging and Thematic Image(Sumber: Wiweka, UI) • We have used the merging criteria called Mean Luminance Difference (Brox et al., 2004). wij = (ui – uj)2

More Related