Pengenalan Citra Digital Rambu Lalu Lintas Dengan Metode Template Matching Berbasis Color Moment

., Yusuf (2016) Pengenalan Citra Digital Rambu Lalu Lintas Dengan Metode Template Matching Berbasis Color Moment. Undergraduate thesis, Institut Teknologi Sepuluh Nopember Surabaya.

[img]
Preview
Text
1212100093-Undergraduate_Thesis.pdf - Published Version

Download (2MB) | Preview

Abstract

Sistem pengenalan rambu lalu lintas saat ini sedang menjadi topik menarik untuk dikembangkan. Sistem pengenalan rambu lalu lintas adalah bagian kecil dari sistem asisten kendali otomatis pada kendaraan roda empat. Template Matching adalah metode pengenalan rambu lalu lintas yang mampu mengatasi masalah sistem pengenalan yaitu dengan membandingkan dua citra menggunakan pengukuran jarak antara citra template acuan dan citra uji. Metode ini cocok untuk dikembangkan dalam sistem pengenalan rambu lalu lintas secara real time. Keunggulan dari metode ini pada tugas akhir ini adalah membandingkan fitur vektor 2 citra yang telah melalui proses ekstraksi fitur vektor yang secara efisien dapat mengenali citra rambu lalu lintas. Pada tugas akhir ini telah dilakukan pengenalan citra digital rambu lalu lintas dengan metode Template Matching. Sistem ini dibagi menjadi 2 tahapan, yaitu tahap deteksi dan tahap pengenalan. Tahap deteksi objek rambu lalu lintas pada penelitian ini menggunakan metode segmentasi warna hue, saturation, value dan ROI (Region of Interest). Tahap selanjutnya, citra kandidat diteruskan ke tahap pengenalan dengan menggunakan metode template matching. Metode ini mempunyai konsep mencocokkan antara 2 citra yang mempunyai ukuran sama untuk dihitung jarak kemiripan (similarity measurement). Pada tahap pengenalan, baik antara citra uji dan citra template acuan dilakukan proses ekstraksi fitur vektor menggunakan metode color moment. Ekstrak fitur vektor dari citra tersebut yang dihitung jarak viii kemiripannya menggunakan metode jarak euclidean. Hasil pengujian menunjukkan bahwa sistem dapat mengenali citra rambu lalu lintas dengan akurasi 96.69% ========================================================================= Traffic sign recognition system is being an interested topic to be developed in nowadays. It is a small part of Autonomous Driver Assistance Systems (ADAS). Template matching is a method for recognizing system which could cover its matter by comparing the distance calculation of two images. This method is good way for developing the real-time traffic sign recognition system. The benefits using this method is just comparing the vector features of those 2 images which had going through from vector features extraction process, so it can recognizing the traffic sign images efficiently. Template matching method had been used to recognized some traffic sign image in it. The system is divide into two phases, detetction and recognition. We proposed hue, saturation, values method and Region of Interest (ROI) for detecting traffic sign object in detection phase. On the next phase, candidate image forwarded to recognition phase by using template matching method. This method has the concept of a match between two images that have same size to be calculated similarity distances. In recognition phase, both test images and template images has gone through the process of vector feature extraction using color moment method. These vector feature extract that calculated the similarity distance using euclidean distance. The test result show that system can recognize traffic sign images with an accuracy of 96.69%

Item Type: Thesis (Undergraduate)
Additional Information: RSMa 621.367 Yus p-1
Uncontrolled Keywords: Pengenalan Rambu Lalu Lintas, segmentasi HSV, ROI, color moment, template matching
Subjects: H Social Sciences > HE Transportation and Communications > HE355 Traffic engineering
Divisions: Faculty of Mathematics, Computation, and Data Science > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User: EKO BUDI RAHARJO
Date Deposited: 22 Jan 2020 02:40
Last Modified: 22 Jan 2020 02:40
URI: http://repository.its.ac.id/id/eprint/72855

Actions (login required)

View Item View Item