Sari, Jayanti Yusmah (2015) Ekstraksi Fitur Tekstur Berbasis Wavelet dan Local Line Binary Pattern untuk Pengenalan Palm Vein. Masters thesis, Institut Teknology Sepuluh Nopember.
Preview |
Text
5113201001-Master Thesis.pdf - Published Version Download (3MB) | Preview |
Abstract
Penelitian tentang pengenalan pembuluh darah pada telapak tangan
dilakukan untuk mengatasi keterbatasan dalam aspek kenyamanan dan kinerja
pada sistem pengenalan biometrika yang lainnya, seperti pengenalan sidik jari,
wajah dan iris. Pengenalan pembuluh darah pada telapak tangan (palm vein
recognition) bersifat contactless yaitu tidak membutuhkan kontak langsung antara
pengguna dengan alat sensor. Oleh karena itu, pengenalan palm vein memberikan
beberapa kelebihan dalam aspek kenyamanan saat akuisisi, lebih higienis, dan
sulit untuk dipalsukan. Pada sistem pengenalan palm vein, pola palm vein dapat
dianggap sebagai fitur tekstur. Metode ekstraksi fitur tekstur yang telah digunakan
dalam pengenalan palm vein seperti Local Binary Pattern (LBP) kurang mampu
mendeskripsikan karakteristik citra palm vein yang berupa tekstur vein yang tipis,
hal ini dapat berpengaruh pada tingkat akurasi yang dihasilkan.
Local Line Binary Pattern (LLBP) merupakan varian dari metode LBP.
Bentuk operator pada LLBP yang berupa garis dapat mengekstraksi fitur vein
yang tipis dengan lebih baik dibandingkan operator LBP yang berbentuk persegi.
Namun, karena menggunakan konsep dasar LBP, LLBP juga menghasilkan
deskriptor tekstur yang berukuran besar, sehingga perlu direduksi agar tidak
meningkatkan waktu komputasi sistem. Transformasi Wavelet 2D merupakan
metode yang dapat mereduksi ukuran citra tanpa menghilangkan informasi
penting dari citra tersebut. Oleh karena itu, penelitian ini mengusulkan metode
Local Line Binary Pattern untuk ekstraksi fitur tekstur citra palm vein hasil
dekomposisi Transformasi Wavelet 2D, sehingga dihasilkan deskriptor tekstur
yang berukuran kecil dan sesuai dengan karakteristik tekstur vein yang tipis.
Metode ekstraksi fitur tekstur yang diusulkan tersebut telah diuji
menggunakan metode Fuzzy k-NN pada 600 citra telapak tangan CASIA MSPalmprint
V1.0. Rata-rata akurasi CRR yang diperoleh mencapai 94.0% dengan
waktu komputasi 5.7 detik.
=====================================================================================================
Palm vein recognition has been studied to overcome the problem in terms
of convenience and performance of conventional systems in biometrics
technology such as finger print, face, and iris recognition. Palm vein recognition
is contactcless, it does not require direct contact of the user and sensor. Therefore,
the palm vein recognition provides several advantages in terms of convenience of
acquisition, more hygienic, and difficult to forge. In palm vein recognition, the
pattern of palm vein is considered as a piece of texture feature. The texture-based
feature extraction method that used for palm vein recognition such as Local
Binary Pattern (LBP) has problem in term of discrimination ability to describe the
sparse texture of palm vein image, this can affect the accuracy of recognition
result.
Local Line Binary Pattern (LLBP) is a variant of LBP method. The
straight-line shape of LLBP operator is more suitable to describe the sparse
texture of palm vein image than the square shape of LBP operator. However,
because it uses the basic concept of LBP, LLBP also has high dimensional image
descriptors, therefore it needs to be reduced so it does not increase the
computational time of system. The 2D Wavelet Transform is a method that can
reduce the dimension of an image without eliminate the important information
from it. Of those reasons, this study proposes Local Line Binary Pattern method
for extracting the texture features of the decomposed palm vein image from 2D
Wavelet Transform so that the size of the image descriptors can be reduced and
suitable for the characteristic of the sparse texture in palm vein images.
This proposed texture-based feature extraction method applied with Fuzzy
k-NN method on the 600 images of CASIA MS-palmprint V1.0 dataset. The
obtained mean accuracy of CRR is 94.0% with 5.7 seconds of computational time.
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTIf 006.8 Sar e |
| Uncontrolled Keywords: | ekstraksi fitur, Fuzzy k-NN, Local Line Binary Pattern, pengenalan palm vein, Transformasi Wavelet 2D. |
| Subjects: | Q Science > QA Mathematics > QA76.9.A25 Computer security. Digital forensic. Data encryption (Computer science) |
| Divisions: | Faculty of Information Technology > Informatics Engineering > 55101-(S2) Master Thesis |
| Depositing User: | Mr. Tondo Indra Nyata |
| Date Deposited: | 24 Oct 2019 02:15 |
| Last Modified: | 08 May 2024 02:34 |
| URI: | http://repository.its.ac.id/id/eprint/71374 |
Actions (login required)
 |
View Item |