2208 205 001 dosen pembimbing : mochamad hariadi, s.t., … · 2010-12-21 · a x y sudut vektor 0...

ENHANCEMENT CITRA SIDIKJARI KOTOR MENGGUNAKAN TEKNIK HYBRID MORPHOLOGY DAN GABOR FILTER

MUHAMMAD NASIRMUHAMMAD NASIR2208 205 0012208 205 001

DosenDosen PembimbingPembimbing ::MochamadMochamad HariadiHariadi, S.T., , S.T., M.ScM.Sc., Ph.D.., Ph.D.

SidangSidang TesisTesisFakultasFakultas TeknologiTeknologi IndustriIndustriJurusanJurusan TeknikTeknik ElektroElektroBidangBidang KeahlianKeahlian JaringanJaringan CerdasCerdas MultimediaMultimedia

Enhancement Citra Sidik Jari

Original Image Enhancement Image

Proses

Blok Diagram Penelitian

N BG MTh

Batasan

( ) ( ),2cos21exp,;, 2

2

2

2

'

'

'

'

θθθ π

σσθ fx

yxfyxG

yx ⎪⎭

⎪⎬⎫

⎪⎩

⎪⎨⎧

⎥⎥⎦

⎤

⎢⎢⎣

⎡+−=

,sincos θθθ yxx −=

,cossin θθθ yxy +=

Dimana adalah orientasi gabor filter, adalah frekuensi gelombang cosinus,dan adalah deviasi standar sifat gaussian sepanjang sumbu dan ,

dan mendefinisikan sumbu dan dari koordinat filter.

θ fxσ yσ x y

θx θy

Simetris Gabor Filter

Ilustrasi Fungsi Gabor

θ = 22.5; σ = 32

Gabor filter simetris genap dalam spatial domain

RidgeVoting

8 Buah Orientasi Gabor Filter

Contoh Citra Sidik Jari Kotor

Normalisasi

(a)

(b)

(c) (d)

Binerisasi

(a) Original Image

(b) Threshold 130

(c) Threshold 150

(d) Threshold 160

( a ) ( b )

( d )( c )

Thinning

Minutiae

(a) Original Image

(b) Binerisasi (c) Thinning

(d) Fine Minutiae (e) Remove False Minutiae

(f) Region of Interest (g) Orientation

(h) Skeleton danMinutiae

Minutiae

Minutiae pada Image Original

0

50

100

150

200

250

300

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52

Terminasi Ke-n

Inte

nsita X

YSudut Vektor

0

50

100

150

200

250

300

1 2 3 4 5 6 7 8 9 10

Bifurcation ke-n

Inte

nsita

s Pi

x XYSudut 1Sudut 2Sudut 3

Grafik Terminasi

Grafik Bifurcation

Minutiae pada ImageHasil Enhancement

0

20

40

60

80

100

120

140

160

180

1 2 3

Terminasi ke-n

Inte

nsita

s Pi

xXYSudut Vektor

020406080

100120140160180200

1 2 3

Bifurcation ke-n

Inte

nsita

s Pi

x XYSudut 1Sudut 2Sudut 3 Grafik Bifurcation

Grafik Terminasi

Hasil dari Learning Vector Quantization (LVQ).

871387Setelah Enhancement

831783Sebelum Enhancement

%Tidak DikenaliDikenaliInput

Data Citra = 100

86743Setelah Enhancement

86743Sebelum Enhancement

%Tidak DikenaliDikenaliInput

Data Citra = 50

86.536164Setelah Enhancement

82.535165Sebelum Enhancement

%Tidak DikenaliDikenaliInput

Data Citra = 200

82.326124Setelah Enhancement

83.325125Sebelum Enhancement

%Tidak DikenaliDikenaliInput

Data Citra = 150

Grafik LVQ

BatasanBatasan MasalahMasalah

Penelitian ini akan dibatasi pada pemodelan enhancement citra sidik jari kotor dengan menggunakan Teknik Hybrid Morphology dan Gabor Filter dalam peningkatan kualitas citra sidik jari kotor.

ManfaatManfaat PenelitianPenelitianAdapun manfaat yang diharapkan dari penelitian ini adalah agar dapat meningkatkan kualitas citra sidik jari kotor untuk biometrik, sehingga dapat mengidentifikasi sidik jari pada database yang besar dengan cepat dan kualitas akurasi yang baik (singularity).

PenelitianPenelitian SebelumnyaSebelumnyaImage enhancement, yang dilakukan oleh(Jianwei Yang, dkk., 2003) Telah mempelopori sebuah teknikmemodifikasi sebuah Gabor filter, dimanapeneliti (Jianwei Yang, dkk., 2003) terinspirasi dari Traditional Gabor Filter (TGF). Dari hasil penelitiannyadikembangkan sebuah filter baru yaituModified Gabor Filter (MGF).

PenelitianPenelitian SebelumnyaSebelumnya ((lanjtlanjt.).)

• Fingerprint Matching using Gabor Filters, yang dilakukan oleh (Muhammamd Umer Munir danDr. Muhammmad Younas Javed, 2004) dimanapencocokan sidik jari ini didasarkan pada jarakEuclidean antara dua vektor fitur yang sesuai. Keaslian penerimaan tingkat filter Gabor berbasismatcher diamati ~ 10% sampai 15% lebih tinggidaripada minutiae-based matcher dengan nilairata-rata rendah. Ekstraksi fitur sidik jari danpencocokan mengambil ~ 7,1 detikmenggunakan Pentium IV, prosesor 2,4 GHz.

Penelitian ini diharapkan dapatmeningkatkan kualitas sidik jari kotorhingga ke tingkat maksimal.Dengan penerapan metode gabor filter, akan meningkatkan kualitas citra sidik jarisehingga meningkatkan tingkat akurasipengenalan.

KontribusiKontribusi PenelitianPenelitian

Kesimpula dan SaranKesimpulanUntuk mendapatkan hasil enhancement yang lebih baik dapat dilakukan dengan merubah-rubah sudut orientasi pada gabor filterProses thinning dilakukan setelah proses gabor filter untuk mendapatkan hasil yang maksimal.Untuk mengukur tingkat keberhasilan enhancement citra sidik jari kotor pada penelitian ini, digunakan metode Learning Vector Quantization (LVQ). Dari hasil diperoleh tingkat keberhasilan pengenalan adalah 87% pada data 100 citra.Untuk pengujian diatas 100 citra maka tingkat keberhasilan pengenalan menurun antara 0.5 % sampai dengan 1 %.

Saran◦ Untuk mendapatkan hasil yang lebih maksimal, penelitian selanjutnya

sebaiknya menggunakan estimasi blok orientasi citra sidik jari.

Selesai

SidikSidik JariJariSidik jari adalah suatu bentuk pola garis(ridge) pada permukaan sebuah ujung jari(Prabakar). Sebuah sidik jari berkualitas baik dapatdibedakan berdasarkan pola-pola dan ciri-ciri (feature) yang menyediakan informasiciri yang bermanfaat untuk pencocokansidik jari (Prabakar).

SidikSidik JariJari ((lanjtlanjt.).)

SidikSidik JariJari ((lanjtlanjt.).)Berdasarkan pola garis (ridge) dan lembah(valley), sidik jari dapat diklasifikasikanmenjadi tiga kelas utama (Prabakar), yaitu: a. Archb. Loop c. Whorl

a b c

Citra Citra SidikSidik JariJari

(a) (b) (c)

(d) (e)

(a) Citra Sidik Jari Normal(b) Citra Sidik Jari Berminyak(c) Citra Sidik Jari Kering(d) Citra Sidik Jari Kotor(e) Citra Sidik Jari Cacat Fisik

S-7

IdentifikasiIdentifikasi SidikSidik JariJari ((lanjtlanjt.).)MinutiaeMinutiae

Vektor Minutiae Ridge (x,y,Ө) Ending danRidge Bifurcation (Maltoni, 2003)

TERIMA KASIHTERIMA KASIH

( )

( )( ) ( )

( )( )⎪⎪⎪

⎩

⎪⎪⎪

⎨

⎧

−−

>−

+

=

otherwiseV

MjiIVM

MjiIifV

MjiIVM

jiN

i

i

i

i

20

0

20

0

,

,,

,

( ) ( )∑∑−

=

−

=

=1

0

1

0

,,1 M

i

N

j

jiIMN

IM

( ) ( ) ( )( )∑∑−

=

−

=

−=1

0

1

0

2,1 M

i

N

jIMjiI

MNIV

dan

NormalisasiNormalisasi

Hasil

( )( )

⎪⎩

⎪⎨

⎧ ≥=

Otherwise

TyxIifyxBW

P

0

,1,

BinerisasiBinerisasi

Hasil

Proses Enhancement

Original Image

Normalisasi

Gabor Filter Enhancement Image