1 / 21

Nama : Siti Kodariyah NPM : 11106317 Fakultas : Ilmu Komputer

Identifikasi Citra Wajah Asia, Afrika dan Eropa berdasarkan Deteksi Tepi Canny dan Ekstraksi Fitur Tekstur Standard Deviation, Third Moment dan Entropy. Nama : Siti Kodariyah NPM : 11106317 Fakultas : Ilmu Komputer Jurusan : Sistem Informasi

Download Presentation

Nama : Siti Kodariyah NPM : 11106317 Fakultas : Ilmu Komputer

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. IdentifikasiCitra Wajah Asia, AfrikadanEropaberdasarkanDeteksiTepi Canny danEkstraksiFiturTeksturStandard Deviation, Third MomentdanEntropy Nama : Siti Kodariyah NPM : 11106317 Fakultas : Ilmu Komputer Jurusan : Sistem Informasi Pembimbing : Dr. Bertalya, Skom, DEA.

  2. Pendahuluan LatarBelakang • Wajahmempunyaibanyakinformasidalamprosesidentifikasi • Citra Wajah Asia, Afrikadaneropa yang mempunyaiciri – ciritersendiri. RumusanMasalah • Cara mengidentifikasicitrawajahasia, afrikadaneropaberdasarkandeteksitepi canny danmengekstraksifiturteksturstandard deviation, third momentdanentropy berdasarkan intensitas histogram suatu objek area citra.

  3. Batasan Masalah • 150 Citra Referensi yang digunakan adalah Citra hasil Segmentasi • Hanya mengekstraksi dengan 3 fitur tekstur yaitu Standard deviation, Third Moment dan Entropy • Diimplementasi dengan Bantuan Matlab 7.6. Tujuan Penelitian • Mengidentifikasi citra wajah Asia, Afrika dan Eropa berdasarkan deteksi tepi canny yang bertujuan untuk menghindari intensitas citra yang tidak relevan • Mengekstraksi objek area citra tersebut dengan menggunakan 3 fitur tekstur yaitu standard deviation, thrid moment dan entropy agar menjadi lebih otomatis.

  4. Skema Proses Identifikasi Citra Wajah Asia, Afrika dan Eropa berdasarkan Deteksi Tepi Canny dan Ekstraksi Fitur Tekstur Standard Deviation, Third Moment dan Entropy Citra Original Prosescrooping ProsesSegmentasi Citra Referensi Tepi Canny Thresholding Standard Deviation Third Moment EkstraksiFiturTekstur Entropy

  5. Tekstur Tekstur adalah sifat-sifat atau karakteristik yang Dimiliki oleh suatu daerah yang cukup besar sehingga secara alami sifat-sifat tadi dapat berulang dalam daerah tersebut. • Standard Deviation adalah pengukuran banyak digunakan variabilitas atau keragaman yang digunakan dalam statistik dan teori probabilitas.

  6. Fitur Tekstur • Third Moment Menunjukkan tingkat kemiringan relatif kurva histogram dari suatu citra. mengukur kemiringan dari histogram. ukuran ini adalah 0 untuk histogram simetris, positif oleh histogram miring ke kanan (sekitar mean) dan negatif untuk histogram miring ke kiri. • Entropy Entropy menunjukan ketidakaturan bentuk. merupakan suatu istilah dalam hukum termodinamika yang menunjukkan suatu ukuran ketidakpastian dari suatu sistem.

  7. Data ketiga Fitur Tekstur pada Citra Wajah Asia

  8. Data ketiga Fitur Tekstur pada Citra Wajah Afrika

  9. Data ketiga Fitur Tekstur pada Citra Wajah Eropa

  10. Nilai Rata – Rata Setiap Fitur Tekstur Terhadap Citra Wajah Asia, Citra Wajah Afrika dan Citra Wajah Eropa

  11. Kesimpulan • Nilai rata – rata padacitrawajah Asia mempunyaiperolehanhasilnilai rata – rata yaituuntukstandard deviation 377.73742 third moment-nyaadalah 78.504036 dan 14.097962 untukentropy. • Citra wajahAfrikasebesar 434.388948 untukstandard deviation, third moment-nyasebesar 97.563658 dannilai rata – rata untukentropy adalah 16.409216. • Citra wajahEropa yang menghasilkan rata – rata sebesar 412.189118 untukstandard deviation, third moment-nya90.24379, dan 15.261876 untuknilai rata – rata entropy.

  12. Saran • Mengidentifikasidenganmencarinilaiuniformity, smoothnessatauaveragegraylevel-nya. • Mengkombinasikandariketigafiturteksturtersebutdenganmenggunakanteknikpengukuransimilaritas. • Menggunakanobjekcitraberwarnadanfasilitasgambarcitra yang diambilsecara real time.

More Related