Devi, Putri Aisyiyah Rakhma (2016) Kombinasi Fitur Tekstur Berbasis Power LBP dan Fitur Bentuk Berbasis Fourier Descriptor untuk Klasifikasi Citra Kerang. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
5114201029-Master_Thesis.pdf - Accepted Version Download (1MB) | Preview |
Abstract
Klasifikasi citra kerang pada umumnya dilakukan berdasarkan pada karakteristik bentuk dan tekstur cangkang kerang. Permasalahan pengklasifikasian secara manual biasanya terletak pada hasil akurasi dan waktu klasifikasi yang kurang maksimal. Pengembangan perangkat lunak untuk pengklasifikasian secara otomatis diharapkan dapat meningkatkan hasil akurasi dan memperbaiki waktu klasifikasi. Pada penelitian ini bertujuan untuk mengkombinasikan metode Power LBP untuk mengekstraksi fitur tekstur dan metode fourier descriptor untuk mengekstraksi fitur bentuk yang digunakan untuk klasifikasi citra kerang. Citra input yang digunakan, sebelumnya telah melalui praproses dan segmentasi untuk memisahkan objek dengan background menggunakan Metode Otsu. Citra objek yang sudah terpisah ditransformasi menjadi citra biner dan citra grayscale untuk proses ekstraksi fitur. Fitur tekstur diekstrak menggunakan metode Power LBP (PLBP) dengan inputan citra grayscale. Fitur bentuk diekstrak menggunakan Fourier Descriptor (FD) dengan inputan citra biner. Hasil dari kedua fitur yang sudah diperoleh akan dilakukan kombinasi dengan mempertimbangkan bobot masing-masing fitur yang kemudian dilakukan normalisasi. Dengan mengkombinasikan fitur tekstur dan fitur bentuk diharapkan memperoleh fitur yang signifikan yang dapat meningkatkan akurasi sebuah klasifikasi. Uji coba dilakukan pada 3 jenis dataset kerang yakni kerang darah, kerang pasir dan kerang bulu dengan menggunakan SVM cross validation dengan k = 2 fold . Hasil uji coba menunjukkan bahwa ada keterkaitan antara mengkombinasikan fitur tekstur dan fitur bentuk pada permasalahan klasifikasi citra kerang dapat diperbaiki dengan hasil akurasi klasifikasi yang diperoleh sebesar 99,39% dengan fitur tekstur lebih dominan daripada fitur yang lainnya.
======================================================================================================
Shells image classification are generally conducted based on the characteristics of the shape and texture of the shells. The classifying problems usually occurs on the results of accuracy and timing classification. The software development for classification is expected to increase the yield of accuracy result and optimize the time of classification. In this study, we combine the Power LBP method for extracting texture features and the Fourier Descriptor method for extracting shape features that used for shells image classification. The used input images had been conducted preprocessing and segmentation to separate object and background using Otsu methods. The objects images that had been separated are transformed into a binary image and grayscale image for feature extraction process. Texture features are extracted using Power LBP (PLBP) method and grayscale image as input. Shape features are extracted using Fourier Descriptor (FD) method and binary image as input. The results of these two features will be combined by considering the weight of each feature and then normalized. By combining the features of texture and shape, we expect to obtain significant features that can improve the accuracy of classification. Tests was performed on 3 types of shells dataset ie blood clams, mussels and scallops feather sand by using SVM cross validation with k = 2 fold. The results show that there is a link between features combine texture and shape features on the image classification problems that can be solved with the results obtained classification accuracy of 99.39% with a texture feature more dominant than the other features.
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTIf 621.367 028 5 Dev k |
| Uncontrolled Keywords: | ekstraksi fitur, power LBP, fourier descriptor, klasifikasi, citra kerang |
| Subjects: | Q Science > QA Mathematics > QA404 Fourier series T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques |
| Divisions: | 61101-Magister Management Technology |
| Depositing User: | Yeni Anita Gonti |
| Date Deposited: | 15 Apr 2020 18:30 |
| Last Modified: | 15 Apr 2020 18:31 |
| URI: | http://repository.its.ac.id/id/eprint/75761 |
Actions (login required)
 |
View Item |