Morphological Preprocessing untuk Pengenalan Wajah pada Citra dengan Resolusi Rendah dengan Pendekatan Common Space

Marzani, Ghali (2021) Morphological Preprocessing untuk Pengenalan Wajah pada Citra dengan Resolusi Rendah dengan Pendekatan Common Space. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 05111950010021_Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (1MB) | Request a copy

Abstract

Wajah adalah salah satu identitas biometrik yang unik yang dimiliki oleh setiap orang. Sudah banyak penelitian untuk membuat sistem pengenalan wajah dengan akurasi yang tinggi. Namun dari kebanyakan penelitian ini hanya menggunakan data citra dengan resolusi tinggi. Padahal pada skenario dunia nyata pengambilan citra wajah dapat dipengaruhi oleh banyak hal seperti adanya objek penghalang, jeleknya pencahayaan, variasi ekspresi muka dan pose kepala, serta rendahnya resolusi.
Untuk menyelesaikan permasalahan rendahnya resolusi citra wajah, ada tiga jenis pendekatan yaitu, down sampling, super resolution, dan common space. Pendekatan common space menggunakan vektor ciri dari citra beresolusi rendah dan tinggi, lalu ciri tersebut ditransformasi dan diposisikan pada common space, setelah itu dicari jaraknya. Untuk mendapatkan vektor ciri digunakan metode Convolutional Neural Network (CNN). CNN yang digunakan memiliki 2 cabang untuk citra beresolusi rendah dan beresolusi tinggi. Pemisahan cabang ini dilakukan karena kedua jenis citra membutuhkan proses yang berbeda. Namun untuk memaksimalkan kinerja dari pendekatan-pendekatan tersebut dibutuhkan proses preprocessing yang berfungsi untuk menyeragamkan citra dan menghilangkan ciri low contrast pada citra resolusi rendah. Penelitian ini mengusulkan morphological preprocessing untuk sistem pengenalan citra wajah dengan resolusi rendah.
Sistem yang dibangun dalam penelitian ini terdiri dari beberapa tahap yaitu, tahap preprocessing yang terdiri dari proses bicubic interpolation, morphological dan SR-net, tahap ekstraksi ciri yang dilakukan menggunakan CNN, serta tahap pencocokan ciri yang menggunakan pendekatan common space. Pengujian kinerja dari sistem yang diusulkan adalah dengan membandingkan dengan sistem lain yang tidak menggunakan morphological preprocessing, dengan analisis akurasi dari tiap metodenya. Uji coba metode yang diusulkan memiliki hasil akurasi sebesar 99,71% untuk citra berukuran 56x56, 99,76% untuk citra beukuran 36x36, dan 88,32% untuk citra berukuran 24x24, sedangkan untuk sistem yang tidak menggunakan metode usulan memiliki akurasi 97,21%, 98,76%, dan 73,73% untuk ketiga ukuran tersebut. Dari hasil uji coba yang dilakukan dapat disimpulkan bahwa metode yang diusulkan dapat meningkatkan kinerja dari sistem pengenalan wajah beresolusi rendah.
======================================================================================================
Face is one of the unique biometric identities that every person has. As a result, there have been many studies to create a facial recognition system with high accuracy. However, most of these studies only use high-resolution image data. Whereas in real-world scenarios, taking face images can be influenced by many things, such as obstructions, poor lighting, variations in facial expressions and head poses, and low resolution.
There are three types of approaches: down sampling, super-resolution, and common space to solve the low resolution of face images. The common space approach uses feature vectors from low and high-resolution images. Then these features are transformed and positioned in common space, after which the distance is sought. Convolutional Neural Network (CNN) method is used to get the feature vector. The CNN used has two branches for low-resolution and high-resolution images. This branch separation is done because the two types of images require different processes. However, to maximize the performance of these approaches, a preprocessing process is needed, which functions to uniform the image and eliminate low contrast characteristics in low-resolution images. This study proposes morphological preprocessing for low-resolution facial image recognition systems.
The system built in this study consists of several stages, namely, the preprocessing stage, which consists of the bicubic interpolation, morphological and SR-net processes, the feature extraction stage using CNN, and the feature matching stage using the common space approach. Testing the performance of the proposed system is to compare it with other systems that do not use morphological preprocessing, with an analysis of the accuracy of each method. The experiments for the proposed method has an accuracy of 99.71% for the 56x56 image, 99.76% for the 36x36 image, and 88.32% for the 24x24 image, while the system that does not use the proposed method has an accuracy of 97.21 %, 98.76%, and 73.73% for the three measures. From the results of the experiments, it can be concluded that the proposed method can improve the performance of low-resolution facial recognition systems.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Pengenalan wajah, resolusi rendah, CNN, preprocessing, morphological Face recognition, low-resolution, CNN, preprocessing, morphological
Subjects:	T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Information and Communication Technology > Informatics > 55101-(S2) Master Thesis
Depositing User:	Ghali Marzani
Date Deposited:	20 Aug 2021 13:40
Last Modified:	20 Aug 2021 13:40
URI:	http://repository.its.ac.id/id/eprint/88077

Actions (login required)

View Item