Pengembangan Sistem Pengenal Citra Rambu Lalu Lintas Berbasis Fitur Gabor

Wicaksono, Immawan (2019) Pengembangan Sistem Pengenal Citra Rambu Lalu Lintas Berbasis Fitur Gabor. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
07111650040006-Master_Theses.pdf

Download (1MB) | Preview

Abstract

Sistem pengenalan citra rambu lalu lintas merupakan salah satu elemen penting yang dibutuhkan oleh autonomus vehicle, dimana rambu ini juga menjadi panduan bagi autonomus vehicle. Citra-citra rambu lalu lintas akan ditangkap oleh kamera yang ada pada kendaraan tanpa awak. Citra-citra ini yang kemudian akan diproses untuk dikenali, dimana pada proses tersebut fitur-fitur pada citra-citra rambu lalu lintas akan diekstraksi sehingga didapatkan penciri untuk setiap rambu lalu lintas. Beberapa kendala yang ada yaitu kondisi dari rambu lalu lintas seperti berubah warna karena terkena terpapar panas dan hujan, variasi pencahayaan pada rambu lalu lintas yang terjadi pada malam dan siang hari, dan juga berbagai bentuk dari rambu-rambu lalu lintas tersebut harus dipertimbangkan saat melakukan ekstraksi fitur yaitu rambu lalu lintas berbentuk bulat, belah ketupat dan persegi. Pada thesis ini telah dikembangkan metode ekstraksi fitur citra rambu lalu lintas dengan menggunakan HSV dan Wavelet Gabor, dimana HSV digunakan untuk mendapatkan citra rambu (region of interest) dari keseluruhan citra yang ada, sedangkan Wavelet Gabor digunakan untuk mengenali jenis rambu yang terdeteksi. Pada penelitian ini digunakan 20 jenis rambu dengan bentuk bulat, belah ketupat, dan persegi sebagai database. Algoritma yang dikembangkan dengan menggunakan Bahasa pemrograman MATLAB dapat mendeteksi dan mengenali dua rambu dalam satu citra yang ditangkap kamera. Hasil yang dicapai pada penelitian ini adalah sebesar 93.33% dimana digunakan 20 citra yang diujikan untuk masing-masing rambu, serta menggunakan bank Wavelet Gabor sebanyak 5 skala dan 8 orientasi karena dengan menggunakan pengaturan ini menghasilkan pengenalan lebih baik. Uji coba pengenalan dilakukan pada siang dan malam hari. =============================================================================================== The image recognition system of traffic signs is one of the important elements needed by autonomous vehicles, where these signs are also a guide for autonomous vehicles. The images of traffic signs will be captured by cameras in autonomous vehicles. These images will then be processed for recognition. Where in the process the features of the traffic sign images will be extracted so that the identifier for each traffic sign is obtained. Some constraints are the conditions of traffic signs such as changing color due to exposure to heat and rain, variations in lighting on traffic signs that occur at night and during the day, and also various forms of traffic signs that must be considered when conducting extraction the features are round, rhombus and square traffic signs In this thesis, the traffic feature image extraction method has been developed using HSV and Gabor Wavelet, where HSV is used to obtain the region of interest of all existing images while Gabor Wavelets are used to identify the types of signs detected. In this study 20 types of signs with round shape, rhombus, and square were used as a database. Algorithms developed using MATLAB programming language can detect and recognize two signs in one camera captured image. The results achieved in this study were 93.33% where 20 tested images were used for each sign, and 5 Gabor Wavelet banks were used for 5 scales and 8 orientations because using this setting resulted in better recognition. The recognition test was carried out in the day and night.

Item Type: Thesis (Masters)
Additional Information: RTE 006.42 Wic p-1 2019
Uncontrolled Keywords: HSV, Gabor Wavelet, Feature Extraction, multi signs, round signs, rhombus signs, and square signs
Subjects: T Technology > T Technology (General)
T Technology > T Technology (General) > T57.5 Data Processing
T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
Divisions: Faculty of Electrical Technology > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User: Immawan Wicaksono
Date Deposited: 15 Jun 2021 03:53
Last Modified: 15 Jun 2021 03:53
URI: https://repository.its.ac.id/id/eprint/60513

Actions (login required)

View Item View Item