Oleh: Idaliana Kusumaningsih G64052767 Ekstraksi ciri warna, bentuk dan tekstur pada citra hewan UNTUK content based image retrieval Oleh: Idaliana Kusumaningsih G64052767 Dosen pembimbing: Sony Hartono Wijaya, M.kom.

LATAR BELAKANG Butuh waktu yang banyak untuk pelabelan citra Adanya perbedaan persepsi pengguna terhadap citra Pendekatan CBIR = berdasarkan visual citra (warna, bentuk, tekstur)

LATAR BELAKANG cont. Penelitian sebelumnya terkait dengan ekstraksi ciri : 1 Balqis (2006) mengenai Fuzzy Color Histogram untuk temu kembali citra bunga. 2 Pebuardi (2008) mengenai kemiripan citra berbasis warna, bentuk dan tekstur menggunakan Bayesian Network.

TUJUAN Mengevaluasi hasil temu kembali citra hewan dengan menggunakan penciri warna, bentuk, tekstur dan gabungan ketiganya untuk pengenalan citra hewan.

RUANG LINGKUP Data Kelas Mamalia Ordo Karnivora Fokus : ekstraksi ciri Warna: Fuzzy Color Histogram Bentuk: Edge Direction Histogram Tekstur: Gray Level Coocurrence matrix

METODOLOGI PENELITIAN Indexing Basis data citra Praproses Ekstraksi warna Ekstraksi bentuk Ekstraksi tekstur Indeks warna Indeks bentuk Indeks tekstur Indeks citra Pengukuran kemiripan Evaluasi Kueri citra Retrieval

Praproses Image enhancement cropping

Ekstraksi Ciri Warna Fuzzy Color Histogram Menentukan histogram awal (CCH) ) Tiap kelas diambil 15 warna yang muncul terbanyak= ada 120 warna 1   10000 100x100 piksel 1   120 kuantisasi

Ekstraksi Ciri Warna cont. Menentukan Membership function (m c’(c) ) Kmeans clustering 25 bin 1   120 1   25 Fungsi Cauchy Histogram yang dinormalisasi 1 2 . 120 Membership function 1 .. 120 2 . 25 1 2 . 25 FCH = x =

Ekstraksi Ciri Bentuk Edge Direction Histogram ) RGB Grayscale Sobel edge detection 36 bin masing-masing 100 Θ=tan -1 (Gy / Gx) ) 1 2 . 36

Ekstraksi Ciri Tekstur Coocurrence Matrix 1 2 4 3 5 7 6 Matriks 7x1 2 1 8 Level keabuan (8x8) Contrast Correlation Energy Homogenity Max Prob IDM Entropy

Citra relevan yang ditemukembalikan Pengukuran Kemiripan Citra relevan yang ditemukembalikan Basis data citra Kueri citra Warna Bentuk Tekstur Cosine Similarity All Bayesian Network

Citra relevan database Citra yang ditemukembalikan Evaluasi Temu Kembali - Tujuan: mengukur tingkat keberhasilan dalam proses temu kembali citra hewan. Citra relevan temu kembali Citra relevan temu kembali Recall Precision Citra relevan database Citra yang ditemukembalikan

Hasil dan Pembahasan Ekstraksi Ciri Warna

Ekstraksi Ciri Bentuk

Ekstraksi Ciri Tekstur

Nilai Recall – Precision tiap kelas citra Kelas Bear Recall Warna Bentuk Tekstur All 1 0.1 0.2700 0.3016 0.3185 0.3434 0.2 0.2356 0.2529 0.2591 0.2812 0.3 0.2167 0.2270 0.2434 0.2539 0.4 0.2067 0.2149 0.2385 0.2423 0.5 0.1968 0.2028 0.2221 0.2302 0.6 0.1892 0.1945 0.2178 0.2174 0.7 0.1841 0.1890 0.2082 0.2076 0.8 0.1833 0.1865 0.2040 0.1972 0.9 0.1867 0.1863 0.2030 0.1937 0.1840 0.1949 0.1851 Rataan 0.2776 0.2854 0.3009 0.3047 Kelas Canine Recall Warna Bentuk Tekstur All 1 0.1 0.3260 0.3180 0.2593 0.3384 0.2 0.2418 0.2545 0.2251 0.2725 0.3 0.2202 0.2283 0.2185 0.2487 0.4 0.2124 0.2176 0.2139 0.2368 0.5 0.2055 0.2145 0.2126 0.2274 0.6 0.2014 0.2130 0.2133 0.2209 0.7 0.1977 0.2116 0.2107 0.2135 0.8 0.1947 0.2079 0.2086 0.9 0.1894 0.2098 0.2045 0.2011 0.1849 0.1942 0.192 0.1871 Rataan 0.2885 0.2976 0.2871 0.3050

Nilai Recall – Precision tiap kelas citra Kelas Skunk Recall Warna Bentuk Tekstur All 1 0.1 0.3340 0.2965 0.2764 0.3422 0.2 0.2485 0.2546 0.2502 0.2939 0.3 0.2272 0.2472 0.2307 0.2695 0.4 0.2166 0.2421 0.2184 0.2537 0.5 0.2107 0.2343 0.2129 0.2357 0.6 0.2040 0.2101 0.2298 0.7 0.1982 0.2196 0.2109 0.2226 0.8 0.1931 0.2099 0.2066 0.2157 0.9 0.1883 0.2012 0.1973 0.2035 0.1743 0.1820 0.1730 Rataan 0.2904 0.3013 0.2897 0.3130 Kelas Red panda Recall Warna Bentuk Tekstur All 1 0.1 0.4176 0.1926 0.3079 0.3765 0.2 0.3603 0.1865 0.2480 0.2999 0.3 0.3130 0.1884 0.2268 0.2689 0.4 0.2956 0.1940 0.2127 0.2566 0.5 0.2806 0.1979 0.2039 0.2458 0.6 0.2690 0.1990 0.1995 0.2337 0.7 0.2569 0.1986 0.1969 0.2258 0.8 0.2448 0.1964 0.1968 0.2163 0.9 0.2204 0.1902 0.2038 0.1895 0.1760 0.1755 0.1765 Rataan 0.3498 0.2654 0.2869 0.3185

Nilai Recall – Precision tiap kelas citra Kelas Walruses Recall Warna Bentuk Tekstur All 1 0.1 0.2441 0.2136 0.2655 0.2766 0.2 0.1798 0.1520 0.2301 0.2250 0.3 0.1544 0.1371 0.2122 0.1961 0.4 0.1483 0.1300 0.2002 0.1872 0.5 0.1438 0.1244 0.1893 0.1780 0.6 0.1428 0.1228 0.1797 0.1724 0.7 0.1418 0.1239 0.1737 0.1672 0.8 0.1433 0.1271 0.1709 0.1597 0.9 0.1324 0.1657 0.1539 0.1356 0.1335 0.1469 0.1382 Rataan 0.2343 0.2179 0.2667 0.2595 Kelas Leopard Recall Warna Bentuk Tekstur All 1 0.1 0.3818 0.8111 0.7159 0.7521 0.2 0.3169 0.7686 0.6676 0.7193 0.3 0.2882 0.7049 0.6542 0.6980 0.4 0.2703 0.6653 0.6392 0.6857 0.5 0.2558 0.6228 0.6215 0.6614 0.6 0.2403 0.5768 0.6018 0.6302 0.7 0.2269 0.5204 0.5657 0.5873 0.8 0.2117 0.4618 0.5143 0.5190 0.9 0.1911 0.3759 0.3556 0.4106 0.1717 0.2042 0.2261 0.2237 Rataan 0.3232 0.6102 0.5965 0.6261

Nilai Recall – Precision Seluruh Citra Warna Bentuk Tekstur All 1 0.1 0.3307 0.3588 0.358 0.4070 0.2 0.2658 0.3149 0.3137 0.3504 0.3 0.2388 0.2918 0.2983 0.3244 0.4 0.2270 0.2802 0.288 0.3121 0.5 0.2175 0.2689 0.278 0.2984 0.6 0.2095 0.2583 0.2715 0.2856 0.7 0.2026 0.2464 0.2622 0.2721 0.8 0.1967 0.2348 0.2512 0.2542 0.9 0.1881 0.2182 0.2203 0.2292 0.1750 0.1808 0.1863 0.1824 Rataan 0.2956 0.3321 0.3389 0.3560 Grafik Recall – Precision

KESIMPULAN DAN SARAN Kesimpulan Saran Berdasarkan nilai rata-rata precission diketahui bahwa rata-rata precision terbesar adalah menggunakan gabungan ciri warna, bentuk dan tekstur yaitu sebesar 0.3544 Secara umum gabungan ketiga ciri (warna, bentuk, tekstur) lebih baik untuk temu kembali citra Saran Untuk meningkatkan hasil temu kembali Metode ekstraksi ciri yang dapat digunakan seperti FCH dengan FCM untuk ekstraksi ciri warna, Fourier descriptor untuk ekstraksi ciri bentuk dan Tamura untuk ekstraksi ciri tekstur.

Sekian dan Terima kasih

DEMO PROGRAM