APLIKASI PENDETEKSI OBYEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE GLOBAL CONTOUR SHAPE (GCS)


Penggunaan metode global contour shape untuk mendeteksi obyek pada citra digital terbukti lebih sesuai terhadap beragam skala dan rotasi. Diawali dengan segmentasi pada citra, boundary pada setiap region diambil sebagai input untuk proses selanjutnya. Proses segmentasi dilakukan menggunakan metode statistical region merging (SRM). Untuk mendeskripsikan obyek pada citra digunakan sekuen sudut tangen yang diambil dari vertek-vertek pada boundary region hasil segmentasi. Sekuen sudut tangen pada template obyek dan sekuen sudut tangen pada citra digunakan untuk mencari distance antar keduanya. Perhitungan distance antar dua shape obyek tersebut digunakan algoritma yang efisien yaitu dynamic programming. Kemudian untuk dapat mendeteksi obyek inputan yang memiliki similaritas yang tinggi digunakan algoritma multi-start gradient descent. Algoritma ini digunakan untuk menghitung distance dari region-region pada citra inputan dan juga distance dari kombinasi antara region-region tersebut. Kandidat obyek yang memiliki similaritas yang rendah dihapus. Kandidat yang memiliki similaritas yang tinggi dengan obyek template akan dilakukan pengecekan overlapping object. Kandidat yang memiliki nilai similaritas lebih rendah dan nilai overlap lebih tinggi dari overlap threshold akan dihapus. Dengan demikian, hanya kandidat yang memiliki similaritas yang tinggi dan tidak saling overlap yang akan dideteksi.

STATISTICAL REGION MERGING

Segmentasi adalah proses membagi citra menjadi daerah-daerah yang terpisah, dimana piksel dalam satu region memiliki nilai yang homogen[2]. Metode segmentasi terbaru yang lebih cepat dan mengurangi biaya komputasi, yang dikembangkan untuk segmentasi citra berwarna yaitu Statistical Region Merging (SRM). Metode ini sejenis dengan teknik region growing and mergin. Pada region growing, region adalah kumpulan piksel yang homogen dan secara iterasi merupakan hasil gabungan dari region yang lebih kecil.

PEMODELAN BENTUK

Pemodelan bentuk digunakan untuk mendeskripsikan suatu obyek. bentuk X dimisalkan dengan poligon tertutup dengan jumlah vertek N yang memiliki jarak yang sama diantaranya. Karena jumlah titik sama dengan jumlah spasi diantaranya, maka urutan titik dapat diparameterkan dengan panjang busurnya : X = {x(u), u=0,…,N-1}. Vertek terakhir sama dengan vertek pertama x(N) = x(0).

PENCOCOKAN BENTUK

Diberikan dua bentuk yaitu X dan Y, salah satu digunakan sebagai shape template dan yang lainnya sebagai kandidate kontur yang didapatkan dari citra uji-coba. Pencocokan antara kedua bentuk adalah sebuah fungsi, yang menghubungkan kumpulan titik {x(u)} dan {y(v)} (keduanya adalah parameter dari panjang busur masing-masing), masing-masing titik pada tiap kurva memiliki sedikitnya satu titik yang berkorespondensi pada kurva yang lain. Titik yang sama pada X dapat memiliki banyak kecocokan pada Y selama sekuen masing-masing masih terjaga. Pencocokan didapatkan dari sekuen panjang busur pada titik kontur pencocokan.

MENGHITUNG SHAPE DISTANCE

Pencarian matching antara dua kelompok yang berurutan yang dihasilkan dalam minimum cost adalah aplikasi klasik dari dynamic programming. Pada umumnya, masalah pencocokan diubah menjadi path-search problem pada directed graph, dimana masing node merepresentasikan pasangan titik yang berkorespondensi.

DETEKSI OBYEK

Nonlinear elastic matching distance[5] adalah pengukuran similaritas antara dua kontur. Yang masih kurang pada metode tersebut adalah optimalisasi dalam mencari kontur pada edge map yang memiliki similaritas yang tinggi dengan template obyek. Beberapa kumpulan superpixel yang bertetangga berbentuk sebuah kontur yang tertutup, dan kombinasi himpunan dari semua kontur adalah ruang pencarian dalam mendeteksi obyek. Permasalahannya, nonlinear elastic matching distance semua set hanyalah perkiraan, dan tidak cocok dengan beberapa prosedur opimisasi sederhana.
Oleh karena itu, digunakan Greedy multi-start gradient descent. Masing-masing super-pixel yang mendapat giliran dipilih sebagai seed region, metode tersebut berusaha mengurangi nilai elastic matching sebanyak mungkin dengan menggabungkan suatu region dengan region tetangga. Hal ini dilakukan berulang hingga local minimum didapatkan, dan tidak ada lagi kemungkinan untuk meningkatkan. Local minima untuk semua seed region memiliki potensial untuk dideteksi. Detection threshold digunakan untuk membuang kontur yang memiliki similaritas yang rendah.
Karena beberapa starting region bisa meliputi pada local minima yang sama atau mirip, non-minima suppression digunakan pada langkah terakhir. Masing-masing kandidat dikunjungi mulai dari kandidat yang memiliki similaritas terbesar ke kandidat yang memiliki similaritas lebih kecil. Semua kandidat yang overlap dengan kandidate saat ini yaitu lebih dari overlap threshold maka kandidat tersebut dibuang.

untuk gambaran lebih detail download paper ini

Dengan kaitkata , , , , ,

5 thoughts on “APLIKASI PENDETEKSI OBYEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE GLOBAL CONTOUR SHAPE (GCS)

  1. Bang,sya lagi tugas akhir kuliah saya mengenai pengolahan citra buat deteksi objek traffic light.saya kebingungan buat source code nya.saya menggunakan java sebgai bhs pemrogramannya.saya juga bingung nulis rumus matematikanya ke coding java.saya mohon bantuannya,rencana saya menggunakan GSP untuk deteksi objek.Thanks,di tunggu balasannya.

  2. nirwang mengatakan:

    gan ad no tlpnx atau pin bb ad yang aku mau bicarakan langsung?

  3. ferry mengatakan:

    Mas boleh minta source codenya ? Terima kasih

  4. zhekeen mengatakan:

    gan boleh mnta contac prsonnya, mau sharing gan kebetulan ada kasus yg mirip

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s

%d blogger menyukai ini: