Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Fachrul Reza ( 08.111.4011 ) Julpan ( 08.111.3865) M. Nur Cipta Hidayah Lubis (08.111.4160) Oleh:

Presentasi serupa


Presentasi berjudul: "Fachrul Reza ( 08.111.4011 ) Julpan ( 08.111.3865) M. Nur Cipta Hidayah Lubis (08.111.4160) Oleh:"— Transcript presentasi:

1 Fachrul Reza ( ) Julpan ( ) M. Nur Cipta Hidayah Lubis ( ) Oleh:

2 Image Classification Image Classification adalah proses pengelompokan setiap pixel yang terdapat dalam suatu citra menjadi kelompok- kelompok objek tertentu.  Image Classification mulai dikenal pada tahun 1970-an dimana program pengelompokan pixel pertama kali dibuat untuk data multispectral.  Terdapat 2 tipe Image Classification yaitu : - Unsupervised Classification - Supervised Classification

3 adalah sebuah teknik Klasifikasi Citra dimana user menentukan beberapa pixel di citra yang akan digunakan sebagai dasar pengelompokan oleh komputer. User boleh menentukan berapa jumlah kelompok output yang diinginkan dan batasan berupa efek citra tertentu sebagai dasar pengelompokan. Supervised Classification

4 Procedure  Select training data  create spectral signatures  Classify the image  Accuracy assessment

5

6 Supervised Classification  beberapa tipe Supervised Classification antara lain : - Minimum-Distance-To-Means - Paralelpiped - Maximum Likelihood

7 Minimum-Distance-To-Means  Algoritma Minimum-Distance-To-Means digunakan dengan cara menentukan nilai mean dari setiap kelas pada setiap bagian. Kemudian setiap pixel pada citra akan dikelompokkan berdasarkan nilai mean yang paling dekat.  Merupakan algoritma yang cepat dan cukup efisien. Masih bisa digunakan pada saat ini jika citra yang ingin dikelompokkan berukuran besar.

8 Paralelpiped  Algoritma Paralelpiped menggunakan pembatas berupa garis lurus untuk membatasi area yang akan dijadikan sampel. Kemudian setiap pixel pada citra akan dikelompokkan berdasarkan nilai RGB yang dimilikinya.  Efisien dalam hal komputasi, namun kurang efisien secara keseluruhan karena ada kemungkinan muncul unknown pixel.

9 Maximum Likelihood  Algoritma Maximum Likelihood memiliki alur yang hampir sama dengan algoritma minimom distance to means. Hanya saja dalam pengelompokan pixel, digunakan rumus propabilitas gaussian.  Hasil lebih bagus dari 2 algoritma sebelumnya. Dan walaupun “mahal”, banyak digunakan karena komputer modern sudah dapat mengelompokkan dengan cepat.


Download ppt "Fachrul Reza ( 08.111.4011 ) Julpan ( 08.111.3865) M. Nur Cipta Hidayah Lubis (08.111.4160) Oleh:"

Presentasi serupa


Iklan oleh Google