content based image retrieval cbirkuantisasiwarna
DESCRIPTION
Content Based image retrieval Menggunakan Vektor Kuantisasi Histogram WarnaTRANSCRIPT
Proceeding SNIKTI 2004
Content Based Image Retrieval Menggunakan Vektor Kuantisasi Histogram Warna
Achmad Basuki , Nana Ramadijanti Politeknik Eletronika Negeri Surabaya
Institut Teknologi Sepuluh Nopember Surabaya Kampus PENS-ITS, Keputih, Sukolilo, Surabaya 60111, Indonesia
Email : [email protected] , [email protected]
ABSTRAK
Penelitian Content Based Image Retrieval telah dilakukan berdasarkan ciri dasar dari gambar (warna, tekstur dan bentuk). Penelitian sebelumnya retrieval pada ciri warna menunjukkan hasil retrieval yang cukup baik (70% kebenaran hasil retrieval) , teknik yang digunakan selisih histogram gambar query dan gambar database. Untuk meningkatkan prosentase kebenaran hasil retrieval yang ditampilkan menggunakan histogram ciri warna ditambahkan proses vektor kuantisasi dari histogram warna. Tujuan dari vektor kuantisasi warna ini adalah melakukan segmentasi pada gambar sehingga hasil vektor ciri yang dihasilkan dapat memberikan juga ciri bentuk dari gambar disamping ciri warna sebagai ciri dasar. Kata kunci : Content Based Image Retrieval, histogram
warna, vektor kuantisasi histogram warna,segmentasi warna
1. PENDAHULUAN
Contentent Based Image Retrieval (CBIR)
adalah mencari gambar berdasarkan informasi yang ada pada gambar tersebut [4], misalkan mencari gambar bebek, maka dimasukkan ciri dari gambar bebek kemudian berdasarkan ciri tersebut dicari gambar-gambar dengan ciri yang mirip.Pemakaian
CBIR dapat digunakan untuk image searching, video content, image registration, dan lain-lain.
Penelitian CBIR telah dilakukan menggunakan ciri dasar gambar baik warna,tekstur, dan bentuk. Berbagai teknik ekstraksi ciri untuk warna histogram dan segmentasi watershed, ekstraksi ciri tekstur dengan filter gabor dan ekstraksi ciri bentuk dengan deteksi tepi filter laplacian sudah dilakukan. Masing-masing untuk CBIR ekstraksi ciri warna kebenaran retrieval =± 80%[8][10], ekstraksi ciri gabor tekstur = ± 70%[8][10], tetapi untuk gambar dengan tekstur homogen = ± 100%, ekstraksi ciri bentuk = ± 70%. Dengan memperhatikan bahwa ciri suatu gambar adalah warna, bentuk dan tekstur, dimana ketiga ciri dasar tersebut tidak dapat dipisahkan maka pada penelitian ini akan dicari hubungan dari masing-masing ciri sehingga didapatkan suatu ciri yang benar-benar dapat mewakili informasi yang ada pada suatu gambar [1]. Teknik menghitung jarak histogram telah banyak digunakan pada sistem CBIR berdasarkan ciri warna [4][1]. Pada sistem ini nilai ciri warna diwakili oleh nilai histogram citra query dan histogram citra kumpulan. Suatu gambar yang berbeda dengan warna dan tekstur yang sama dapat dibedakan dari bentuk dasarnya. Teknik yang digunakan adalah deteksi tepi, digabungkan dengan filter laplacian dan gussian untuk selanjutnya dihitung energi transformasi fouriernya[6]. Hal pertama yang perlu dilakukan adalah menentukan ciri warna terbaik, ciri bentuk terbaik dan ciri tekstur terbaik, dalam artian hasilnya akurat (dapat menunjukkan kemiripan yang benar) dan proses komputasinya cepat.
2. TINJAUAN PUSTAKA
a) Metodologi
Metodologi penelitian.yang dilakukan pada penelitian dengan judul penelitian : Sistem CBIR Menggunakan Vektor Kuantisasi Histogram Warna
Meliputi : I. Tahap preprosessing sistem CBIR 1. Studi kepustakaan : • Konsep dan Teori CBIR • Mengamati beberapa contoh dari sistem retrieval
citra yang ada
Proceeding SNIKTI 2004
a. Yahoo : Pencarian image pada web yang kebanyakan berdasarkan pada teks
b. Google : Pencarian image pada web yang kebanyakan berdasarkan pada teks
2. Pengumpulan sampel/bahan : • Download gambar foto image corel draw • Algoritma yang sudah pernah ada untuk CBIR
khususnya filter gabor • Mengamati contoh demo dari metode CBIR yang
ada, seperti disajikan di lampiran 3. Preprosessing citra : • Merubah citra (rgb) → citra (hitam-putih) • Noise cleaning II. Tahap sistem CBIR
Penentuan vektor ciri warna yang optimal, dalam hal ini nilai threshold warna yang dapat menunjukkan tingkat kesamaan
yang akurat. Dibuat aplikasi untuk mensimulasikan hal ini.
Pembuatan program aplikasi image searching yang dapat digunakan untuk mencari gambar yang ada pada suatu PC, dengan drive, atau direktory-direktory yang dapat dipilih oleh user.
Evaluasi dan pengujian terhadap bermacam-macam kategori ciri gambar, bagaimana citra retrival yang diperoleh ? (Jumlah citra mirip dan benar yang dihasilkan, Persentase performance masing-masing ciri dasar citra)
Analisa, perbaikan program, perbandingan dengan demo CBIR yang sudah ada
Pengambilan kesimpulan, pembuatan buku
b) Rancangan (Design) Riset Penentuan Ciri Warna
GambarGambar Gambar
Thresholding
Histogram H(r,g,b)
Thresholding adalah filter yang mengubah setiap satuan warna menjadi nilai dengan derajat keabuan tertentu.
Gambar mempunyai 256 derajat keabuan pada setiap warna (R,G,B).
Nilai derajat keabuan ini perlu diatur agar mencapai keadaan optimal.
Dengan nilai threshold tertentu (misalnya n), maka hasil histogram H(r,g,b) mempunyai nilai 0 s/d n untuk setiap satuan r, g dan b.
Gambar 3. Penentuan Ciri Warna
Proceeding SNIKTI 2004
Segmentasi Warna Pada Gambar Menggunakan Vektor Kuantisasi
1 2 3 4 5
Image dibagi atas n segmen
Gambar 4. Penentuan Ciri Warna dengan Vektor Kuantisasi DAFTAR PUSTAKA
1. E.L. Van der Broek, L.G. Vuurpijl,P.Kisters,J.C.M von Schmid, CBIR : Color – Selection Exploited, 3rd Dutch-Belgian Information Retrieval Workshop, 2002
2. Greg Pass, Ramin Zabih, Histogram Refinement for CBIR, 3rd IEEE Workshop on Aplication of Computer Vision (WACV), 1996
3. Gonzales, Digital Image Processing, McGrawHill, Inc,3rd edition,1995
4. G.J. Awcock and R.Thomas, Applied Image Processing, MacGraw-Hill 1996
5. John Eakins,Margaret Graham, Content-based Image Retrieval : A Report to the JISC Technology Applications Program l, University of Northumbria at Newcastle,October 1999
6. Linda G. Shapiro, George C. Stockman, Computer Vision , Prentice-Hall, Inc, 2001
7. Mark Nixon, Alberto Aguado, Feature Extraction & Image Processing, Newnes 1st edition,2002
8. Ramadijanti Nana,”Sistem Retrieval Citra Menggunakan Gabor Feature Texture dan Histogram Segmentasi Watershed”, Tesis Informatika ITS,2003
9. Ramadijanti Nana, Basuki Achmad, ”Content Based Image Retrieval Menggunakan Filter Gabor Dengan Segmentasi Group”, Proseding SNIKTI 2003
10. Ramadijanti Nana, Basuki Acmad, “Perbandingan Performance Content Based
Image Retrieval Menggunakan Filter Gabor Dan Histogram Segmentasi Watershed”, Proseding SNIKTI 2003
11. http://www.gscit.monash.edu.au/~dengs/temp : basisdata gambar (I)
12. http://amazon.ece.utexas.edu/~qasim/samplequeries.htm : basisdata gambar (II)
IMAGE 6
7 8 9 10
n
Cari Nilai Bobot Tiap Segmen
Urutkan Nilai Bobot
Hilangkan Bobot2 sampai
terdapat m bobot dimana m ≤ n
Vektor Bobot adalah Vektor Ciri Bentuk