Segmentasi Citra Multi-Objek Menggunakan Transition Region dan K-Means Clustering

Rosyadi, Ahmad Wahyu (2018) Segmentasi Citra Multi-Objek Menggunakan Transition Region dan K-Means Clustering. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
5116201003-Master_Thesis.pdf - Accepted Version

Download (4MB) | Preview

Abstract

Berbagai macam metode untuk segmentasi citra telah dikembangkan, salah satunya dengan menggunakan transition region. Segmentasi citra dengan transition region yang dikombinasikan dengan operasi morfologi terbukti mampu untuk mensegmentasi citra yang mengandung objek tunggal ataupun banyak. Namun, metode ini memiliki dua kelemahan. Pertama, metode ini hanya menggunakan batasan jarak untuk proses edge linking yang mungkin akan menyebabkan salah penyambungan antara transition region di area objek dan backgroud. Kedua, metode ini kemungkinan masih membangkitkan transition region pada area background apabila citra input memiliki tingkat keabuan dengan variasi yang tinggi. Untuk mengatasi permasalahan tersebut, diusulkan sebuah sistem untuk segmentasi citra multi-objek menggunakan transition region dan k-means clustering. Pada sistem ini citra grayscale digunakan sebagai citra input yang akan disegmentasi. Citra tersebut kemudian disederhanakan tingkat keabuannya dengan menggunakan adaptive k-means clustering. Citra grayscale akan digunakan oleh proses perbaikan citra dan ekstraksi transition region citra asli, sedangkan citra sederhana digunakan untuk proses ekstraksi transition region citra sederhana. Selanjutnya akan dilakukan proses edge linking berbasis A* pada transition region citra asli berdasarkan transition region citra sederhana. Region filling dilakukan pada transition region hasil dari proses edge linking untuk menghasilkan area yang dianggap sebagai objek. Kemudian piksel-piksel yang berada pada area transition region ditampilkan. Dan hasil dari sistem ini adalah sebuah citra segmentasi yang berisi objek tunggal atau banyak. Untuk mengukur kinerja dari metode ini, maka nilai misclassification error (ME), false positive rate (FPR), dan false negative rate (FNR) digunakan berdasarkan citra ground truth. Berdasarkan hasil pengujian pada 128 citra, metode ini mampu menghasilkan rata-rata nilai ME sebesar 9.29%, FPR 9.57%, dan FNR 9.80% menandakan bahwa metode ini mampu melakukan segmentasi objek tunggal maupun banyak dengan cukup baik. ================================================= Various methods for image segmentation have been developed, one of them is by using transition region. Combination of transition region and morphological operation can segment images containing single or multiple objects. However, this method has two weaknesses. First, this method only uses the distance constraint for the edge linking process which may cause a wrong connection between the transition region in the object area and backgroud. Second, this method may still generate transition region in the background area if the variance of gray level is quite high. To overcome this problem, a system for multi-object image segmentation using transition region and k-means clustering is proposed. Grayscale image is used as the input image to be segmented. It’s gray level is then simplified by using adaptive k-means clustering. The grayscale image will be used to image refinement process and original transition region extraction, while the simplified image is used to extract simple transition region. The A* edge linking process will be conducted on the original transition region based on the simple transition region. Region filling is performed to obtain area that is considered an object. Then, the pixels in the transition region area are displayed. And the result of this system is a segmented image that contains single or multiple objects. Misclassification error (ME), false positive rate (FPR), dan false negative rate (FNR) is used to measure the performance of this method. The results of segmentation process on 128 images show that this method is able to segment the image containing single or multiple objects with ME, FPR, and FNR values are 9.29%, 9.57%, and 9.80%.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Transition region, adaptive k-means clustering, median filter, edge linking, segmentasi citra, A*
Subjects: T Technology > T Technology (General)
T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
Divisions: Faculty of Information and Communication Technology > Informatics > 55101-(S2) Master Thesis
Depositing User: AHMAD WAHYU ROSYADI
Date Deposited: 30 Jun 2021 06:51
Last Modified: 30 Jun 2021 06:51
URI: https://repository.its.ac.id/id/eprint/56672

Actions (login required)

View Item View Item