Perancangan Gelombang Singkat (Wavelet) yang Cocok untuk Sinyal Dua-Dimensi Iris Mata

R. Rizal Isnanto, Imam Santoso, Achmad Hidayatno, Suhardjo Suhardjo, Adhi Susanto

Abstract


Iris mata manusia memiliki pola yang unik yang bisa digunakan dalam pengenalan biometrik. Untuk mengekstraksi ciri iris tersebut, dapat dilakukan berdasar ciri tekstural pada pola iris tersebut. Salah satu metode ekstraksi ciri berdasar tekstur adalah dengan menggunakan alihragam gelombang singkat (wavelet = GS). Untuk membangun satu jenis GS yang cocok untuk suatu sinyal, dalam hal ini sinyal 2-dimensi dari iris, diperlukan langkah-langkah yang cukup kompleks. Dalam penelitian ini, dilakukan semua tahapan perancangan GS tersebut dari akuisisi data citra mata sampai dengan diketemukannya GS baru tersebut. Terdapat 19 (sembilan belas) tahapan dalam perancangan GS ini. Untuk melakukan semua tahapan itu diperlukan konsep-konsep dasar tentang: konvolusi, alihragam Hough sirkular, konversi citra polar ke bentuk terpapar (unwrapped), penentuan profil garis 1- D atas citra, pererataan sinyal, konsep GS tipe Daubechies dasar, penghitungan energi sinyal, metode kuadrat terkecil (least square method), penyusunan fungsi penyekala dan fungsi GS, serta algoritma kaskade. Hasil penelitian menunjukkan bahwa dengan 19 tahapan perancangan GS tersebut telah dapat dibuat satu GS baru yang disebut irislet yang bersifat takortogonal yang memiliki kekhasan untuk masukan berupa citra iris mata.


Full Text:

PDF

References


Burrus, C.S., R.A. Gopinath, and H. Guo, 1998,Introduction to Wavelets and Wavelet Transforms: aPrimer, Prentice-Hall, Upper Saddle River, New Jersey.

CASIA. Iris Image Database,http://www.sinobiometrics.com, unduh: 12 Juni 2012.

Chui, C.K., 1997, Wavelets: A Mathematical Tool forSignal Analysis, Society for Industrial and AppliedMathematics, Philadelphia.

Guido, R.C., JFW. Slaets, R. Koberle, LOB. Almeida,and J.C. Pereira, 2005, “A New Technique to Construct aWavelet Transform Matching a Specified Signal withApplications to Digital, Real Time, Spike, and OverlapPattern Recognition”, Journal of Digital SignalProcessing, vol 16, issue 1, pp. 24-44.

Gupta, A., S.D. Joshi, S. Prasad, 2002, “On a NewApproach for Estimating Wavelet Matched to Signal”,Proceeding 8th National Conference on Communications,IIT, Bombay, pp. 180-184.

Kusuma, A.A., “Pengenalan Iris Mata MenggunakanPencirian Matriks Ko-Okurensi Aras Keabuan”, SkripsiS-1, Universitas Diponegoro, Semarang, 2009.

MathWorks, 2012, Optimization ToolboxTM User’sGuide, online only, Revised for Version 6.2.1 (Release2012b), The Math Works, Natick, MA.

Misiti, M., Y. Misiti, G. Oppenheim, and J.M. Poggi,Wavelet Toolbox For Use with Matlab, User’s GuideVersion 3, The Math Works, Natick, MA, 2004.

Moreno R.P. and A. Gonzaga, Features Vector ForPersonal Identification Based On Iris Texture.Departamento de Engenharia Elétrica - EESC – USP,Februari, 2009.


Refbacks

  • There are currently no refbacks.