DETEKSI KANDIDAT LINGKARAN MENGGUNAKAN KODE RANTAI

Ahmad Fashiha Hastawan, Indah Soesanti, Risma Septiana

Abstract


Deteksi lingkaran merupakan salah satu proses pengenalan pola yang sering digunakan dalam bidang computer vision. Untuk meningkatkan efisiensi hasil deteksi maka sangat penting dilakukan proses pencarian potensi objek yang diduga sebagai kandidat lingkaran terlebih dahulu sebelum melakukan proses deteksi lingkaran lebih dalam. Bertujuan untuk menyikapi hal tersebut, penelitian ini mengajukan metode pencarian kandidat lingkaran baru berbasis kode rantai untuk mencari lokasi lingkaran dalam suatu citra. Metode ini menggunakan teknik pemrosesan citra digital untuk mendapatkan citra biner dan menerapkan deteksi tepi operator Canny untuk proses ekstraksi kontur sehingga didapatkan kontur berukuran satu piksel. Setelah itu dilakukan proses penelusuran kode rantai dengan menggunakan delapan arah ketetanggaan. Terakhir merupakan proses pencarian delapan titik acuan yang merupakan dasar dari metode yang diajukan. Dalam metode ini adanya kedelapan titik acuan perpindahan arah kode rantai dianggap sebagai salah satu fitur dari objek yang diduga sebagai lingkaran. Kedelapan titik yang menunjukkan posisi perubahan arah kode rantai yang signifikan ini didapatkan melalui proses first order difference code dari kode rantai kontur yang didapatkan. Hasil uji coba menunjukkan algoritma deteksi kandidat lingkaran menggunakan kode rantai memberikan hasil yang bagus baik dari segi efisiensi dan akurasi hasil.  


Full Text:

PDF

References


X. Chen, L. Lu, and Y. Gao, “A new concentric circle detection method based on Hough transform,” 2012, pp. 753–758.

L. Jiang, “Efficient randomized Hough transform for circle detection using novel probability sampling and feature points,” Optik, vol. 123, no. 20, pp. 1834–1840, 2012.

H. Sun, Y. Mao, N. Yang, and D. Zhu, “A real-time and robust multi-circle detection method based on randomized Hough transform,” 2012, pp. 175–180.

F. Shang, J. Liu, X. Zhang, and D. Tian, “An improved circle detection method based on right triangles inscribed in a circle,” 2009, vol. 6, pp. 382–387.

A. Chen and G. Dong, “Efficient method for rapidly detecting circles based on edge-tracking,” 2009, vol. 1, pp. 402–405.

Y. Jiang, X. Fu, and H. Gao, “A new circular region detection algorithm based on the geometric characteristics,” J. Softw., vol. 8, no. 11, pp. 2899–2907, 2013.

L.-Q. Jia, C.-Z. Peng, H.-M. Liu, and Z.-H. Wang, “A fast randomized circle detection algorithm,” 2011, vol. 2, pp. 820– 823.

Y.-H. Huang, K.-L. Chung, W.-N. Yang, and S.-H. Chiu, “Efficient symmetry-based screening strategy to speed up randomized circle-detection,” Pattern Recognit. Lett., vol. 33, no. 16, pp. 2071–2076, 2012.

K.-L. Chung, Y.-H. Huang, S.-M. Shen, A. S. Krylov, D. V. Yurin, and E. V. Semeikina, “Efficient sampling strategy and refinement strategy for randomized circle detection,” Pattern Recognit., vol. 45, no. 1, pp. 252–263, 2012.

E. Cuevas, D. Oliva, D. Zaldivar, M. Pérez-Cisneros, and H. Sossa, “Circle detection using electro-magnetism optimization,” Inf. Sci., vol. 182, no. 1, pp. 40–55, 2012.

E. Cuevas, F. Wario, D. Zaldivar, and M. Pérez-Cisneros, “Circle detection on images using learning automata,” IET Comput. Vis., vol. 6, no. 2, pp. 121–132, 2012.

L.-Q. Jia, H.-M. Liu, Z.-H. Wang, and H. Chen, “An effective non-HT circle detection for centers and radii,” 2011, vol. 2, pp. 814–818.

L.-Q. Jia and C.-Z. Peng, “A new circle detection method based on parallel operator,” 2012, vol. 3, pp. 1085–1090.

L. Luo, D. Xu, Z. Zhang, J. Zhang, and W. Qu, “A fast and robust circle detection method using perpendicular bisector of chords,” 2013, pp. 2856–2860.

M. Chen, F. Zhang, Z. Du, and R. Liu, “Circle detection using scan lines and histograms,” Opt. Rev., vol. 20, no. 6, pp. 484– 490, 2013.

H. Yang, J. Luo, Z. Shen, and W. Wu, “A local voting and refinement method for circle detection,” Optik, vol. 125, no. 3, pp. 1234–1239, 2014.

C. Akinlar and C. Topal, “EDCircles: A real-time circle detector with a false detection control,” Pattern Recognit., vol. 46, no. 3, pp. 725–740, 2013.

O. E. Okman and G. B. Akar, “A circle detection approach based on Radon Transform,” 2013, pp. 2119–2123.

X. Huang, T. Sasaki, H. Hashimoto, and F. Inoue, “Circle detection and fitting based positioning system using laser range finder,” 2010, pp. 442–447.

Z. Fu and Y. Han, “A circle detection algorithm based on mathematical morphology and chain code,” 2012, pp. 253–256.

N. Nain, V. Laxmi, B. Bhadviya, and A. Gopal, “Corner detection using difference chain code as curvature,” 2007, pp. 821–825.


Refbacks

  • There are currently no refbacks.