metodologi hybrid berdasar informasi spasial dan spektral unsupervised dan supervised

Post on 21-Jan-2016

38 Views

Category:

Documents

0 Downloads

Preview:

Click to see full reader

DESCRIPTION

Metodologi Hybrid Berdasar Informasi Spasial dan Spektral Unsupervised dan Supervised. Prof.Dr. Aniati Murni (R 1202) Dina Chahyati, M.Kom, (R 1226) Fakultas Ilmu Komputer Universitas Indonesia. Penyusunan Citra Tematik Berdasar Data Hiperspektral. Citra Tematik: - PowerPoint PPT Presentation

TRANSCRIPT

Metodologi Hybrid BerdasarInformasi Spasial dan SpektralUnsupervised dan Supervised

Prof.Dr. Aniati Murni (R 1202)Dina Chahyati, M.Kom, (R 1226)

Fakultas Ilmu KomputerUniversitas Indonesia

Penyusunan Citra TematikBerdasar Data Hiperspektral

• Citra Tematik:– Segmented Image: satu wilayah dengan wilayah lainnya

mempunyai kode atau label berbeda, label tidak mengindikasikan kategori obyek

– Themati Image: semua wilayah dengan kategori obyek sama mempunyai kode atau label sama, label menyatakan thema obyek

• Karakteristik Citra Sensor Hiperspektral:– Jumlah band > 100– Panjang gelombang kontinu (2.0 – 2.5 mikrometer), tidak

cukup lebar untuk respon obyek penutup lahan, sehingga menimbulkan gangguan

– Dapat digunakan untuk identifikasi jumlah obyek yang besar termasuk obyek berukuran kecil (target)

– Pada resolusi spasial tinggi (sekitar 1 m), terjadi efek shadow yang merupakan gangguan

Metodologi(Sumber: Wiweka, Fasilkom UI)

• Pemrosesan Tingkat Awal– Transformasi Warna– Filtering

• Pemrosesan Tingkat Menengah (pendekatan spasial – unsupervised)– Segmentasi– Region Merging

• Pemrosesan Tingkat Akhir (supervised)– Reklasifikasi– Region labeling– Knowledge Based System

Pemrosesan Tingkat Awal

• Transformasi Warna:– Red Green Blue (RGB)– Yellow Magenta Cyan (YMC)– Hue Lightness Saturation (HLS)– CIE

• Filtering– Low Pass Filter– Median Filter– Mean Shift Filter

Pemrosesan Tingkat Menengah

• Segmentasi– Edge-based– Region-based– Morphological

• Region Merging– Oversegmentation– Nilai mean antar wilayah tidak berbeda jauh– Jumlah piksel maksimum per wilayah

Pemrosesan Tingkat Akhir

• Pemilihan sampel pelatihan - supervised– Diambil dari segmented image dan informasi

supervised – proses reklasifikasi– Perhitungan vektor ciri setiap obyek – proses

pelabelan, garis batas obyek sesuai pendekatan spasial

– Penyusunan aturan vektor ciri setiap obyek – proses dengan Knowledge Based System

Hasil Segmentasi(Sumber: Wiweka, Fasilkom UI)

Region Merging and Thematic Image(Sumber: Wiweka, UI)

• We have used the merging criteria called Mean Luminance Difference (Brox et al., 2004).

wij = (ui – uj)2

top related