Upload presentasi
Presentasi sedang didownload. Silahkan tunggu
1
MODUL14 Segmentasi Citra
Nana Ramadijanti, Ahmad Basuki, Hero Yudo Martono
2
Materi Kuliah Bottom Up : Histogram Bottom Up : Clustering
Top Down : Aturan Fitur
3
Teknik Segmentasi Segmentasi citra : membagi suatu citra menjadi wilayah-wilayah yang homogen (Sumber: Anil K. Jain, Michigan State University) Teknik Segmentasi Citra Membagi Ruang Citra Region Growing Region Splitting Split and Merge Ruang Fitur Clustering Tiap pixel diberi index warna yang menunjukkan keanggotaannya dalam suatu cluster
4
Segmentasi Citra Berbasis Histogram (1)
Histogram dari Dua Kelas Obyek (Images from Rafael C. Gonzalez and Richard E. Wood, Digital Image Processing, 2nd Edition)
5
Segmentasi Citra Berbasis Histogram (2)
Histogram dari Banyak Obyek (Images from Rafael C. Gonzalez and Richard E. Wood, Digital Image Processing, 2nd Edition)
6
Segmentasi Citra dengan Clustering (Unsupervised Classification)
K-Mean Clustering Lecture Notes : Prof.Dr. Aniati Murni, Dina Chahyati, SKom, Fasilkom UI
7
Segmentasi Citra dengan Clustering (Unsupervised Classification)
K-Mean Clustering Lecture Notes : Prof.Dr. Aniati Murni, Dina Chahyati, SKom, Fasilkom UI
8
Segmentasi Citra dengan Rule-Based (1) (Sumber: S. H
Segmentasi Citra dengan Rule-Based (1) (Sumber: S.H. Purwadhi, LAPAN RI) Features: Bentuk Pola Ukuran Sites (Tajuk berbentuk bintang) (Tidak teratur) (Tinggi > 10m) (Air payau) KELAPA Hanya perlu persyaratan bentuk KELAPA SAWIT NIPAH NIPAH Perlu syarat bentuk dan pola ENAU ENAU ENAU SAGU SAGU SAGU SAGU
9
Segmentasi Citra Berbasis Pengetahuan (2) (Sumber: J
Segmentasi Citra Berbasis Pengetahuan (2) (Sumber: J. Ton, Michigan State University) Fitur : indeks vegetasi dan intensitas keabuan Land Cover Non-vegetation Vegetation Water Built-up Forest Non-Forest Open Area Clear-Up Type-1 Type-2 Agriculture Bushes
10
Permasalahan Dua Kelas dan Banyak Kelas (2)
Permasalahan Kelas : Citra terdiri dari wilayah-wilayah obyek yang jumlahnya lebih dari 2 Segmentasi bisa dengan teknik: Clustering (unsupervised classification – akan dipelajari pada topik klasifikasi citra) Region Growing (wilayah tumbuh – bottom-up approach) Region Splitting (quadtree - top-down approach) Split and Merge (bottom-up and top-down approach) Decision Theory
11
Region Growing Ditentukan sejumlah seed pixels (random atau regular)
Cek homogenitas melalui 4-tetangga atau 8-tetangga Memerlukan criteria of uniformity Bila: Criteria of uniformity: seed
12
Region Splitting Menggunakan quadtree approach
Memerlukan criteria of uniformity – bisa menggunakan varian, bila varian tinggi (tidak uniform) suatu wilayah di-splitted
13
Split and Merge Prosedur sama dengan region splitting
Pada akhir proses ditambah dengan proses merging (menjadikan beberapa region yang dianggap sama menjadi satu). Bisa dilakukan secara semi-otomatis atau secara otomatis. Pendekatan secara otomatis bisa menggunakan merging criteria berupa suatu nilai ambang dari perbedaan mean (intensitas rata-rata) dari wilayah-wilayah yang akan digabungkan.
14
Teknik Segmentasi Citra
Pendekatan Edge-Based Pendekatan Region-Based Pendekatan Hybrid
15
Pendekatan Edge-Based
Kekurangannya: belum tentu menghasilkan edge yang kontinue, mengakibatkan terjadinya kebocoran wilayah (wilayah- wilayah yang tidak tertutup) Prosedur: Melakukan proses deteksi sisi dengan operator gradient. Masukannya citra gray level dan keluarannya citra edge (biner) Citra Masukan Deteksi Sisi Citra Edge Selanjutnya dilakukan proses region growing dengan masukan citra asli (gray-level) dan citra edge. Proses pembentukan suatu wilayah berhenti bila menjumpai piksel edge. Keluarannya merupakan hasil segmentasi.
16
Pendekatan Region-Based
Kekurangannya: belum tentu menghasilkan wilayah-wilayah yang bersambungan Prosedur: Memerlukan criteria of uniformity Memerlukan penyebaran seeds atau dapat juga dengan pendekatan scan line Dilakukan proses region growing unidentified region
17
Pendekatan Hybrid Edge- & Region-Based (1)
Bertujuan untuk mendapatkan hasil segmentasi dengan wilayah-wilayah yang tertutup dan bersambungan Prosedur: Lakukan proses deteksi sisi untuk menhasilkan citra sisi (piksel edge dan piksel non-edge) Lakukan pemisahan wilayah dengan metode connected region. Connected regions adalah set piksel 4-tetangga yang bukan piksel edge. Selanjutnya dilakukan proses merging regions dengan rumusan-rumusan berikut (next slide).
18
Pendekatan Hybrid Edge- & Region-Based (2)
pi adalah adalah perimeter dan ni adalah luas wilayah Ri. Bij adalah panjang garis batas antar wilayah Ri dan Rj. Eij adalah jumlah piksel edge pada garis batas antar wilayah Ri dan Rj. (Eij biasanya < dari Bij karena edge yang tidak kontinue). Untuk setiap pasang region Ri dan Rj dihitung tiga besaran / kriteria: boundary strength (bila tinggi – makin kuat garis batas, Ri dan Rj disatukan), similarity measure (bila besar – salah satu wilayah terlalu kecil, dapat disatukan) dan connectivity measure (bila besar – makin panjang garis batasnya, tidak disatukan).
19
Pendekatan Hybrid Edge- & Region-Based (3)
Boundary strength Similarity measure scaling factor Connectivity measure
20
Pendekatan Hybrid Edge- & Region-Based (4)
Selanjutnya dapat dirumuskan bahwa region Ri dan Rj dapat dijadikan satu bila memenuhi tiga kondisi berikut: ni > nj (satu wilayah jauh lebih kecil – similarity measure) (40% piksel edge berada pada garis batas yang sebenarnya – boundary strength) Rk telah memenuhi kedua kondisi diatas, Kondisi ketiga: mencari pasangan wilayah Rk yang paling memenuhi kedua kondisi diatas untuk disatukan dengan Ri.
21
Terima Kasih
Presentasi serupa
© 2024 SlidePlayer.info Inc.
All rights reserved.