Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Identifikasi Citra Wajah Asia, Afrika dan Eropa berdasarkan Deteksi Tepi Canny dan Ekstraksi Fitur Tekstur Standard Deviation, Third Moment dan Entropy.

Presentasi serupa


Presentasi berjudul: "Identifikasi Citra Wajah Asia, Afrika dan Eropa berdasarkan Deteksi Tepi Canny dan Ekstraksi Fitur Tekstur Standard Deviation, Third Moment dan Entropy."— Transcript presentasi:

1 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 Pembimbing : Dr. Bertalya, Skom, DEA.

2 Pendahuluan Latar Belakang  Wajah mempunyai banyak informasi dalam proses identifikasi  Citra Wajah Asia, Afrika dan eropa yang mempunyai ciri – ciri tersendiri. Rumusan Masalah  Cara mengidentifikasi citra wajah asia, afrika dan eropa berdasarkan deteksi tepi canny dan mengekstraksi fitur tekstur standard deviation, third moment dan entropy 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 Proses Segmentasi Proses croopingCitra Original ThresholdingTepi Canny Citra Referensi Ekstraksi Fitur Tekstur Standard Deviation Third Moment 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 NOCitra AsiaStandard deviationThrid MomentEntropy 1seg_as1399.482485.739515.8118 2seg_as2398.381485.457915.5594 3seg_as3399.393785.746315.3815 4seg_as4362.902473.368313.9405 5seg_as5380.847979.518714.7293 6seg_as6365.617974.243613.9956 7seg_as7379.695579.098814.9396 8seg_as8323.213360.205111.2691 9seg_as9350.709469.238812.8934 10seg_as10365.837274.406713.5271

8 NOCitra AsiaStandard deviationThrid MomentEntropy 11seg_as11355.296171.0103 12.2273 12seg_as12391.782983.192115.3072 13seg_as13388.905682.234314.8931 14seg_as14378.991978.923914.2895 15seg_as15369.166175.490013.6973 16seg_as16420.968293.127715.9504 17seg_as17399.328085.764915.5418 18seg_as18351.957169.708013.1232 19seg_as19414.158490.813414.6107 20seg_as20414.747091.045215.8743 21seg_as21428.147695.609617.1276 22seg_as22392.513383.439915.0786 23seg_as23388.149982.017214.7690 24seg_as24389.254382.442814.4385 25seg_as25388.503582.092014.6619

9 NOCitra AsiaStandard deviationThrid MomentEntropy 26seg_as26317.668458.455810.5062 27seg_as27315.872457.817010.4004 28seg_as28387.652782.032513.9361 29seg_as29366.887274.799113.1521 30seg_as30428.387895.631216.5798 31seg_as31386.555481.553514.5451 32seg_as32367.144974.901613.3774 33seg_as33349.828668.972512.5145 34seg_as34374.468177.441713.8631 35seg_as35309.880955.782911.2391 36seg_as36337.883564.971812.0607 37seg_as37333.217463.336412.6355 38seg_as38356.255271.218013.1278 39seg_as39372.546076.892513.1447 40seg_as40381.663679.804514.4389

10 NOCitra AsiaStandard deviationThrid MomentEntropy 41seg_as41351.022869.472412.1736 42seg_as42424.379994.424715.8238 43seg_as43364.037073.862513.2672 44seg_as44403.914987.490215.3068 45seg_as45395.133284.286415.4439 46seg_as46401.265586.502514.6479 47seg_as47396.746185.011115.1080 48seg_as48391.350182.987215.3359 49seg_as49411.253389.853415.6140 50seg_as50363.906073.765413.0179

11 Data ketiga Fitur Tekstur pada Citra Wajah Afrika NOCitra AfrikaStandard deviationThrid MomentEntropy 1seg_af1447.2982102.001717.0693 2seg_af2416.005691.553215.7770 3seg_af3429.403195.746616.7903 4seg_af4397.531685.173414.9476 5seg_af5448.4581102.203016.9729 6seg_af6449.9219102.705017.4203 7seg_af7473.0480109.942818.3346 8seg_af8417.838792.222415.2454 9seg_af9424.467494.240116.2519 10seg_af10425.672194.665216.4082

12 NOCitra AfrikaStandard deviationThrid MomentEntropy 11seg_af11470.2789109.101518.4044 12seg_af12471.8457109.544117.7123 13seg_af13418.059492.140715.6918 14seg_af14419.619992.810315.6713 15seg_af15413.368790.394816.4191 16seg_af16421.290993.327315.5876 17seg_af17431.301796.755215.8160 18seg_af18427.621195.431315.8246 19seg_af19406.973488.517714.8333 20seg_af20445.5042101.232516.8395 21seg_af21424.821494.342616.3933 22seg_af22438.891399.167816.7873 23seg_af23417.580091.990215.7771 24seg_af24414.438790.730416.0067 25seg_af25460.2494105.859118.0424

13 NOCitra AfrikaStandard deviationThrid MomentEntropy 26seg_af26430.764496.756015.3888 27seg_af27434.835797.864416.2367 28seg_af28412.255790.263015.6726 29seg_af29439.501999.310617.1604 30seg_af30439.847199.541516.5963 31seg_af31432.878497.042816.5944 32seg_af32419.790492.777015.7939 33seg_af33428.605095.851215.6467 34seg_af34425.690894.743315.4887 35seg_af35462.5548106.637517.7723 36seg_af36449.9206102.683717.2447 37seg_af37416.880291.789315.8541 38seg_af38438.519799.123916.0158 39seg_af39442.6726100.531016.3097 40seg_af40472.4241109.922517.9125

14 NOCitra AfrikaStandard deviationThrid MomentEntropy 41seg_af41447.0817101.842217.0514 42seg_af42437.627698.534317.1002 43seg_af43404.798887.878714.6300 44seg_af44417.593892.379014.8775 45seg_af45436.978898.479416.6818 46seg_af46445.1557101.251116.1801 47seg_af47464.8679107.361517.5610 48seg_af48439.265699.193416.7395 49seg_af49443.8314100.603916.9563 50seg_af50423.615394.022815.9712

15 Data ketiga Fitur Tekstur pada Citra Wajah Eropa NOCitra EropaStandard deviationThrid MomentEntropy 1seg_er1400.967886.518715.3313 2seg_er2391.007183.043914.2372 3seg_er3426.410095.002416.3232 4seg_er4395.051884.509914.5155 5seg_er5388.897982.320914.1362 6seg_er6427.418395.432115.4710 7seg_er7402.579686.868414.7457 8seg_er8438.772899.100616.9246 9seg_er9424.242494.140817.2599 10seg_er10411.354090.006914.2898

16 NOCitra EropaStandard deviationThrid MomentEntropy 11seg_er11404.060787.371815.2411 12seg_er12425.869694.905816.1751 13seg_er13388.278382.083713.7895 14seg_er14393.809384.133014.0817 15seg_er15395.275784.839213.6045 16seg_er16412.579190.569514.9423 17seg_er17424.103094.375315.8894 18seg_er18428.300195.561316.0647 19seg_er19424.712494.556715.8376 20seg_er20430.061096.140016.3471 21seg_er21402.993287.205514.6435 22seg_er22401.370886.739013.7867 23seg_er23417.878992.291115.1012 24seg_er24412.5594 90.280215.5553 25seg_er25399.833386.097614.3973

17 NOCitra EropaStandard deviationThrid MomentEntropy 26seg_er26457.4355105.131217.7438 27seg_er27420.971293.319615.4517 28seg_er28419.316992.456516.4661 29seg_er29404.843887.910114.5298 30seg_er30403.860487.406915.0325 31seg_er31430.543596.375716.8990 32seg_er32402.892187.062914.3090 33seg_er33424.599794.475616.0038 34seg_er34430.920196.800415.7391 35seg_er35384.769480.913213.3229 36seg_er36378.069778.928312.9035 37seg_er37401.633386.491315.4056 38seg_er38416.811592.012214.9273 39seg_er39406.764988.361615.0202 40seg_er40411.948990.227415.3908

18 NOCitra EropaStandard deviationThrid MomentEntropy 41seg_er41425.023994.593115.9969 42seg_er42407.574788.496215.9082 43seg_er43412.131990.246515.2128 44seg_er44434.400997.626317.0075 45seg_er45411.692989.882815.5422 46seg_er46422.748893.911315.7548 47seg_er47433.025697.536615.7223 48seg_er48383.154480.493413.5214 49seg_er49412.021590.057315.5332 50seg_er50403.913987.378815.0580

19 Nilai Rata – Rata Setiap Fitur Tekstur Terhadap Citra Wajah Asia, Citra Wajah Afrika dan Citra Wajah Eropa Fitur Tekstur Citra Wajah Asia Citra Wajah Afrika Citra Wajah Eropa Standard Deviation 377.73742434.388948412.189118 Thrid Moment 78.50403697.56365890.24379 Entropy 14.09796216.40921615.261876

20 Kesimpulan  Nilai rata – rata pada citra wajah Asia mempunyai perolehan hasil nilai rata – rata yaitu untuk standard deviation 377.73742 third moment-nya adalah 78.504036 dan 14.097962 untuk entropy.  Citra wajah Afrika sebesar 434.388948 untuk standard deviation, third moment-nya sebesar 97.563658 dan nilai rata – rata untuk entropy adalah 16.409216.  Citra wajah Eropa yang menghasilkan rata – rata sebesar 412.189118 untuk standard deviation, third moment-nya 90.24379, dan 15.261876 untuk nilai rata – rata entropy.

21 Saran  Mengidentifikasi dengan mencari nilai uniformity, smoothness atau average gray level-nya.  Mengkombinasikan dari ketiga fitur tekstur tersebut dengan menggunakan teknik pengukuran similaritas.  Menggunakan objek citra berwarna dan fasilitas gambar citra yang diambil secara real time.


Download ppt "Identifikasi Citra Wajah Asia, Afrika dan Eropa berdasarkan Deteksi Tepi Canny dan Ekstraksi Fitur Tekstur Standard Deviation, Third Moment dan Entropy."

Presentasi serupa


Iklan oleh Google