EKSTRAKSI WARNA, TEKSTUR DAN BENTUK UNTUK IMAGE RETRIEVAL
Abstract
Gambar(citra) merupakan media yang digunakan untuk menyimpan data visual, sebagai contoh gambar dua dimensi yang sering dipergunakan untuk menyimpan suatu kejadian. Tidak bisa dipungkiri kebiasaan untuk menyimpan gambar pada media internet sangat pesat. Terdapat banyak konten gambar, video, teks atau konten yang lainnya di jaringan Internet. Image Index dan temu citra kembali menjadi topik penelitian dalam dekade terakhir ini dimana terkonsentrasi pada bagaimana cara mendapatkan makna dari sebuah informasi yang terkandung dalam sebuah gambar. Tiga metode secara garis besar dalam pencarian sebuah gambar, yaitu temu kembali gambar berbasis teks, temu kembali gambar berbasis konten, dan pengindeksan gambar dengan tatanan bahasa. Penelitian ini berfokus pada penyiapan fitur dari sebuah gambar berdasarkan warna, tekstur dan bentuk. Fitur warna menggunakan histogram gambar, fitur tekstur menggunakan Gray Level Occurance Matrix (GLCM), dan fitur bentuk menggunakan canny edge detection. Teknik ektraksi warna, tekstur, dan bentuk menghasilkan 18 (delapan belas) buah fitur yang mampu digunakan sebagai fitur di proses Clustering gambar pada tahap penelitian berikutnya. Metode pengujian menggunakan Purity dan Precision dari hasil gambar uji terhadap kelompok gambar latih.
Full Text:
PDFReferences
Gambar(citra) merupakan media yang digunakan untuk menyimpan data visual, sebagai contoh gambar dua dimensi yang sering dipergunakan untuk menyimpan suatu kejadian. Tidak bisa dipungkiri kebiasaan untuk menyimpan gambar pada media internet sangat pesat. Terdapat banyak konten gambar, video, teks atau konten yang lainnya di jaringan Internet. Image Index dan temu citra kembali menjadi topik penelitian dalam dekade terakhir ini dimana terkonsentrasi pada bagaimana cara mendapatkan makna dari sebuah informasi yang terkandung dalam sebuah gambar. Tiga metode secara garis besar dalam pencarian sebuah gambar, yaitu temu kembali gambar berbasis teks, temu kembali gambar berbasis konten, dan pengindeksan gambar dengan tatanan bahasa. Penelitian ini berfokus pada penyiapan fitur dari sebuah gambar berdasarkan warna, tekstur dan bentuk. Fitur warna menggunakan histogram gambar, fitur tekstur menggunakan Gray Level Occurance Matrix (GLCM), dan fitur bentuk menggunakan canny edge detection. Teknik ektraksi warna, tekstur, dan bentuk menghasilkan 18 (delapan belas) buah fitur yang mampu digunakan sebagai fitur di proses Clustering gambar pada tahap penelitian berikutnya. Metode pengujian menggunakan Purity dan Precision dari hasil gambar uji terhadap kelompok gambar latih.
Chen, Yixin. 2004. Machine Learning and Statistical Modelling Approaches To Image Retrieval. Kluwer Acedemic Publisher:Boston
Ferguson, Jeremiah R. 2007. Using the Gray-Level Co-Occurrence Matrix to Segment and Classify Radar Imagery. Reno: University of Nevada
Han, J. & Kamber, M., 2006. Data Mining : Concepts and Techniques. San Faransisco: Morgan Kaufmann.
He, Daan.2007.Applying the Extend Mass-constraint EM algortihm to Image Retrieval.Computer and Mathematics with Applications
Hearst, M. A. and Pedersen, J. O. (1996). Reexamining The Cluster Hypothesis: Scatter/Gather On Retrieval Results. In Proc. of the 19th International ACM SIGIRConference on Research and Development in Information Retrieval (SIGIR’96), pages 76–84
Jain, A.K.1999. Data Clustering: A Review. ACM Computing Survey, Vol 31, No 3. Hal 264-323 [7] Jogiyanto, HM., 1989, Analisis & Disain Sistem Informasi : Pendekatan Terstruktur, Yogyakarta : Andi Offset.
Laaksonen, Jorma.1999. Content Based Image Retrieval using Self Organizing Maps. Visual Information and Information Systems Lecture Notes in Computer Science, Vol. 1614, Hal 541-549
Madhulata, Soni. 2012. An Overview On Clustering Methods. IOSR Journal of Engineering, Vol2(4), Hal: 719-725
Matsuyama,Yasuo.2007. Image-to-Image Retrieval Using Computationally Learned Bases dan Color Information.Proceedings of International Joint Conference on Neural Network
Ma, Hao. 2010. Bridging the Semantic Gap Between Image Contents and Tags. IEEE Transaction on Multimedia
Parker, J.R. 2011. Algorithms for Image Processing and Computer Vision. Indianapolis: Wiley Publishing, Inc
Pao,H.T. 2008. An EM Based Multiple Instance Learning Method for Image Classification
Raghavan, Vijay. 1989. A Critical Investigation of Recaal and Precision as Measures of Retireval System Performance. ACM Transactions on Information Systems, Vol.7, Hal 205-229
Setiawan, Wawan & Munir, 2006. Pengantar Teknologi Informasi : Basis Data. Bandung: Universitas Pendidikan Indonesia.
Vercellis, C., 2009. Business Intelligence : Data Mining dan Optimization for Decision Making. Chichester: John Wiley & Sons.
Warsito, B. 2008. Clustering Data Pencemaran Udara Sektor Industri di Jawa Tengah dengan Kohonen Neural Network. Jurnal PRESIPITASI, Vol. 4
Zhang, L. 2003. Automated Annotation of Human Faces in Family Albums. Prosiding ACM International Conference on Multimedia
Refbacks
- There are currently no refbacks.