latar belakang -...
TRANSCRIPT
Latar Belakang
Perlunya inventarisasi data dari tiap motif
batik dari seluruh daerah di Indonesia
1
Pengenalan motif citra batik contoh dengan
pencarian citra batik yang mirip
menggunakan temu kembali citra dari
koleksi besar data batik
2
PRESENTASI TUGAS AKHIR β KI091391
Implementasi Transformasi
Curvelet dan Ruang Warna
HSV untuk Temu Kembali
Citra Batik Berbasis Isi pada
Situs Batikoleh:
Ardian Yusuf Wicaksono
5110100189
Dosen Pembimbing:
Dr. Eng. Nanik Suciati, S.Kom., M.Kom.
Diana Purwitasari, S.Kom., M.Sc.
Rumusan masalah
Bagaimana cara menerapkan metode
Transformasi Curvelet dan Ruang Warna
HSV sebagai representasi citra batik?
1
Bagaimana cara mendapatkan motif yang
mirip dengan citra contoh dari basis data
motif yang ada?
2
Bagaimana mengelola data citra pada situs
batik?
3
Batasan Masalah
Dataset 113 Citra Batik
Situs web JSF dan PrimeFaces.
Kakas bantu Netbeans IDE
Bahasa pemrograman Java
Pustaka JTransforms
Basis data MySQL
Tujuan dan Manfaat
Situs temu kembali citra batik berdasar citra
contoh
Menginventarisasikan data citra batik yang
ada di Indonesia
1
Mempromosikan batik ke masyarakat
Indonesia dan dunia internasional
2
Meningkatkan ketahanan budaya tradisional
Indonesia
3
Proses
Mulai
Masukandataset citra
batik
Berhenti
Penghitungansimilaritas (Jarak
Canberra)
Pengurutan citraberdasarkan jarak mulai
yang terendah
Keluarancitra hasil
Basis data fitur
EKSTRAKSI FITUR
Mulai
Masukan citrabatik query
EKSTRAKSI FITUR
Tahap Ekstraksi Fitur
Tahap Temu Kembali Citra
EKSTRAKSI FITUR
Citra Masukan
Ubah ke Grayscale Ubah RGB ke HSV
Fitur Citra
Kuantisasi HSV
Buat Histogram Hasil Kuantisasi HSV
Fiturwarna
TransformasiCurvelet tiap Skala
Perhitungan mean dan std deviasi tiap
wedge tiap skala
FiturTekstur
Transformasi Curvelet Ruang Warna HSV
Uji Coba
Uji coba 1
Mencari metode ekstraksi fitur terbaik
Transformasi Curvelet 4 skala
Transformasi Curvelet 5 skala
Transformasi Curvelet 6 skala
Ruang Warna HSV
Transformasi Curvelet 4 skala Ruang Warna HSV
Transformasi Curvelet 5 skala Ruang Warna HSV
Transformasi Curvelet 6 skala Ruang Warna HSV
5 citra batik tiap 1 citra batik dari 113 citra batik
Uji coba 2
Implementasi metode terbaik uji coba 1 ke
situs web
113 citra batik dibagi 9 motif mirip
Uji coba 1
88
.88
92
.21 93
.49
87
.65
96
.85
96
.50
96
.32
82.00
84.00
86.00
88.00
90.00
92.00
94.00
96.00
98.00
Curvelet lvl 4 Curvelet lvl 5 Curvelet lvl 6 HSV Curvelet lvl 4+HSV Curvelet lvl 5+HSV Curvelet lvl 6+HSV
Precision
Precision (%)
Grafik menunjukkan
bahwa jumlah skala
pada transformasi
curvelet
berpengeruh pada
performa
Gabungan fitur
tekstur dan fitur
warna
memberikan
performa lebih
baik
Uji coba 1
0.1
1
0.3
4
1.4
4
0.0
1 0.1
2
0.3
5
1.4
9
0.1
3
0.3
9
1.5
1
0.0
1 0.1
4
0.4
0
1.6
5
0.00
0.20
0.40
0.60
0.80
1.00
1.20
1.40
1.60
1.80
Curvelet lvl 4 Curvelet lvl 5 Curvelet lvl 6 HSV Curvelet lvl 4+HSV Curvelet lvl 5+HSV Curvelet lvl 6+HSV
Waktu
ekstraksi (detik) temu kembali (detik)
Uji coba 1
Citra queryCitra hasil temu kembali
Contoh hasil temu kembali dari metode gabungan
Transformasi Curvelet 4 skala dan Ruang Warna HSV
Uji coba 2
Citra query Citra hasil temu kembali
Contoh hasil temu kembali dari metode gabungan
Transformasi Curvelet 4 skala dan Ruang Warna HSV pada
dataset 113 citra batik dengan 9 motif
Kesimpulan
Metode gabungan Transformasi Curvelet 4 skala dengan ruang warna HSV
mendapatkan hasil terbaik dengan precision 96.85
Keberhasilan dari Temu Kembali Citra Batik ini sangat bergantung pada
keberhasilan metode dalam ekstraksi fitur dalam merepresentasikan sebuah citra.
Pemakaian fitur warna, dan tekstur memiliki performa yang lebih baik
dibandingkan dengan hanya melibatkan fitur warna saja atau tekstur saja.
TERIMA KASIH
PRESENTASI TUGAS AKHIR β KI091391
Implementasi Transformasi Curvelet dan Ruang Warna HSV untuk Temu Kembali Citra Batik Berbasis Isi pada Situs Batik
Transformasi Curvelet
Citra grayscaleSebuah curveletpada skala j dan sudut l
Xkali
Citra dalamdomain FT
Kumpulan curveletpada beberapa skala
Curvelet dalamdomain FT
Hasil perkalian citra dancurvelet dalam domain FT
Koefisien curveletpada skala j dan sudut l
FFT FFT
IFFT
Dibuang (simetris)πΈπππππ =
1
π Γ π
π=1
π
π=1
π
πππ
ππ‘πππππ π·ππ£πππ π =1
π Γ π
π=1
π
π=1
π
πππ β πππ2 12
Skala 51 32 32 64 64 11 16 16 32 32 1
Ruang Warna HSV
RGB RGB RGB RGB RGB RGB
RGB RGB RGB RGB RGB RGB
RGB RGB RGB RGB RGB RGB
RGB RGB RGB RGB RGB RGB
RGB RGB RGB RGB RGB RGB
RGB RGB RGB RGB RGB RGB
HSV HSV HSV HSV HSV HSV
HSV HSV HSV HSV HSV HSV
HSV HSV HSV HSV HSV HSV
HSV HSV HSV HSV HSV HSV
HSV HSV HSV HSV HSV HSV
HSV HSV HSV HSV HSV HSV
G G G G G G
G G G G G G
G G G G G G
G G G G G G
G G G G G G
G G G G G G
HSVq HSVq HSVq HSVq HSVq HSVq
HSVq HSVq HSVq HSVq HSVq HSVq
HSVq HSVq HSVq HSVq HSVq HSVq
HSVq HSVq HSVq HSVq HSVq HSVq
HSVq HSVq HSVq HSVq HSVq HSVq
HSVq HSVq HSVq HSVq HSVq HSVq
0
100
200
300
400
500
600
700
800
900
1000
G
Frek
uen
si
Histogram vektor G
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48
49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71
Citra Batik RGBRGB ke HSVKuantisasi HSVVektor 1DHistogramπΊ = 9π» + 3π + π
Dataset Motif
Motif 1 : 13 citra Motif 2 : 8 citra Motif 3 : 19 citra Motif 4 : 13 citra Motif 5 : 10 citra
Motif 6 : 8 citra Motif 7 : 5 citra Motif 8 : 6 citra Motif 9 : 31 citra
Temu Kembali
π·πΆ π, π = π=1
π π₯π β π¦ππ₯π + π¦π
Jarak Canberra
ππππππ πππ =πππ‘ππ πππππ β© πππ‘ππ βππ ππ π‘πππ’ πππππππ
πππ‘ππ βππ ππ π‘πππ’ πππππππ
ππππππ =πππ‘ππ πππππ β© πππ‘ππ βππ ππ π‘πππ’ πππππππ
βππππ’πππ π πππ’π πππ‘ππ πππππ
Precision dan Recall