SISTEM PENCARIAN DAUN BERDASARKAN BENTUK MENGGUNAKAN METODE CANNY EDGE DETECTION DAN CHAIN CODE

22094770, Christin Natalia Waren (2014) SISTEM PENCARIAN DAUN BERDASARKAN BENTUK MENGGUNAKAN METODE CANNY EDGE DETECTION DAN CHAIN CODE. Bachelor thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 22094770_bab1_bab5_daftarpustaka.pdf Download (640kB)
	Text (Skripsi Informatika) 22094770_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Information Retrieval menggunakan teks sebagai untuk mengukur kesamaan kedua citra dapat memberikan hasil yang tidak sesuai ketika penamaan suatu citra berbeda dengan isi citra tersebut. Untuk menyelesaikan masalah tersebut, pengukuran kesamaan kedua citra lebih baik menggunakan Content Based Image Retrieval (CBIR), yaitu isi dari citra seperti bentuk, warna dan tekstur. Suatu citra yang sama dapat memiliki skala, rotasi dan translasi yang berbeda, sehingga diperlukan suatu metode CBIR yang invariant terhadap ketiga ciri citra tersebut. Penelitian ini menggunakan bentuk luar citra sebagai pengukur kesamaan kedua daun. Metode-metode yang digunakan yaitu canny edge detection dan thinning untuk mendapatkan garis tepi citra, dan chain code untuk merepresentasi bentuk garis tepi citra tersebut. Objek citra yang digunakan adalah 70 daun. Setiap10 daun mewakili suatu bentuk yang berbeda. Dari setiap 10 daun, 5 daun dimasukkan ke dalam database dan 5 daun lainnya diuji tingkat kemiripannya dengan citra yang ada di dalam database menggunakan euclidean distance. Setiap citra memiliki perbedaan nilai double threshold yang berbeda sehingga beberapa citra daun ditemukan garis tepinya terputus ketika melakukan deteksi tepi, lalu mempengaruhi hasil chain code-nya yang juga terputus. Chain code pun kurang memberikan hasil yang baik, karena ketika setiap arah chain code dinormalisasikan maka chain code hanya mewakili rata-rata kemunculan arah chain code belum tentuk mewakili sisi yang sama dari kedua gambar yang dicocokkan. Sistem ini memberikan hasil yang kurang baik dengan precision 0.23 dan recall 0.43.

Actions (login required)

View Item