pemanfaatan konsep atensi visual untuk mengukur kompleksitas citra dijital
TRANSCRIPT
PEMANFAATAN KONSEP ATENSI VISUAL UNTUK MENGUKUR
KOMPLEKSITAS CITRA DIJITAL
Disampaikan dalam Konferensi Nasional Matematika XVII 11-14 Juni 2014 di Institut Teknologi Sepuluh November
Setiawan Hadi, Asep Sholahuddin, Juli Rejito
Universitas Padjadjaran
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Kompleksitas Citra DIjital
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Pengukuran Kompleksitas Citra Dijital
• Seberapa banyak perhatian/atensi diberikan untuk – Mendeteksi dan mengenal objek dalam citra – Membangun pemahaman maupun hubungan
antar objek (statis, dinamis) yang terkandung dalam citra
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Kompleksitas (Complexity)
• an arrangement of parts, so intricate as to be hard to understand or deal with (Webster, 1986)
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Kompleksitas Citra Dijital
• Pengukuran kompleksitas citra dijital dilakukan untuk menyelesaikan permasalahan yang berkaitan dengan pemrosesan citra dijital antara lain : – ATR (Automated Target Recognizer) – Pattern recognition – Image retrieval – Image compression
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Ukuran Kompleksitas
• Kompleksitas Rendah (L)
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Ukuran Kompleksitas
• Kompleksitas Medium (M)
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Ukuran Kompleksitas
• Kompleksitas Tinggi (V)
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Visual Attention • Sebuah proses dimana
– Otak manusia memutuskan bagian mana dari sebuah gambar yang dinilai penting dan perlu dijadikan fokus (perhatian)
– Otak manusia memutuskan bagian mana dari sebuah gambar yang bisa dihilangkan atau dijadikan bagian latar belakang
• Informasi yang memiliki tingkat pencahayaan rendah seringkali
intensitasnya ditingkatkan secara otomatis oleh otak untuk meyakinkan bahwa informasi yang diterima dapat diproses secara efektif.
• Apabila informasi latar belakang tidak difilter di otak, maka
seseorang akan mengalami kewalahan karena jumlah informasi visual yang dilihat mata begitu banyak
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Demo Video • Selective Attention Test (Simons & Chabris (1999)
– Hitunglah berapa kali pemain yang memakai kaus putih melempar bola
• Visual Awareness Test – Hitunglah berapa kali camar melemparkan ranting kayu
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Permasalahan ???
Proses penyaringan informasi yang terjadi di otak manusia dan bagaimana menentukan
bagian gambar yang dinilai penting (menarik perhatian) pada suatu saat, masih belum sepenuhnya difahami oleh para peneliti.
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Visual Attention
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Visual Attention
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Visual Attention
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
VA Merupakan Hal Yang Penting • Tanpa kemampuan menyaring informasi,
pekerjaan-pekerjaan seperti berkendaraan akan sulit dilakukan secara aman
• Dengan memberikan perhatian (otak) pada bagian-bagian yang detil, maka objek-objek seperti rambu lalu lintas dapat dikenali dengan diproses sehingga keadaan yang memiliki potensi membahayakan dapat dihindarkan
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Saliensi • Saliensi adalah upaya untuk menentukan region mana
dari sebuah gambar yang paling menyolok (conspicuous).
• Sebuah konsep yang mencoba menirukan persepsi visual manusia (bio-inspired concept)
• Ketika ada sebuah scene baru, – sebuah low-level process akan mendrive gerakan mata
(saccades) – otak berusaha mencari dan menentukan region mana yang
difokuskan oleh mata. • This calculation is performed by the regions V1-V4 of
the primary visual cortex.
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Diagram Proses Atensi Visual dan Analisis Citra Dijital
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Kategori Metode Atensi Visual
Bottom Up (Signal Driven)
Top Down (Task Driven)
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Visual Attention Model
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Model Komputasi Atensi Visual
1. Itti 2. Le Meur 3. Bruce
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Model Komputasi Atensi Visual Itti
• A model of saliency-based visual attention for rapid scene analysis, 1998
• Karakteristik: – Pendekatan hirarkhis menggunakan dekomposisi
multi-resolusi dan penyaringan daerah sekitar yang terpusat
– Representasi terpusat melalui pembangunan peta saliensi global
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Model Komputasi Atensi Visual Le Meur
• A coherent computational approach to model bottom-up visual attention, 2006
• Karakteristik: – Peningkatan Itti – Dibangun dengan fitur dan peta conspicuity yang
lebih nyata (realistis tetapi lebih kompleks) – Skema penggabungan peta conspicuity yang
ditingkatkan kualitasnya
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Model Komputasi Atensi Visual Bruce
• Saliency, attention, and visual search: An Information theoretic approach, 2009
• Karakteristik: – Pendekatan alternatif berbasis teori informasi – Menggabungkan independent component analysis
(ICA) dengan pengukuran mandiri untuk memperkirakan saliensi dari setiap piksel citra
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Skema Komputasi Visual Attention
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Model Saliency
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Atensi Visual dan Kompleksitas Citra
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Atensi Visual dan Kompleksitas Citra
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Mengukur Kompleksitas Citra
• Seberapa sukar menjelaskan apa yang terkandung dalam citra dijital? (How hard is it to describe?)
• Seberapa sukar pembuatan citra tersebut? (How hard is it to create?)
• Bagaimana derajat pengorganisasian objek-objeknya, terstruktur, tidak terstruktur)? (What is its degree of organization?)
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Menentukan Kompleksitas Citra Secara Dengan Melihat Karakteristik Internal Citra
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Pembangunan Peta Saliensi (GBVS-Graph
Based Visual Saliency)
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Indikator Kompleksitas
• VAC-Visual Attention Complexity
Saliency Maps
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Deteksi Region Atensi Visual Berdasarkan Tekstur dan Fitur Objek
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Deteksi Region Atensi Visual Berdasarkan Tekstur dan Fitur Objek
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Image Complexity based Visual Attention
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Kesimpulan dan Saran 1. Kompleksitas citra dijital merupakan topik
penelitian yang menantang 2. Dengan mengetahui nilai kompleksitas citra
maka dapat dilakukan proses lanjutan berupa pemilihan metode analisis atau interpretasi, metode kompresi dsb
3. Penelitian saat ini masih memerlukan pendalaman lebih lanjut untuk menentukan metode yang tepat untuk menentukan VAC
Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November
Referensi {1} Koortstra, G., Visual Attention and Active Vision : From Natural to Artificial
Systems, Rijksuniversiteit Groningen, 2010. [2] Bundesen, C., A Theory of Visual Attention, Psychological Review. 97 (4), pp.523-
547, 1998 [3] Frintrop, S., Rome, E., and Christensen, H., Computational Visual Attention
Systems and their Cognitive Foundations: A Survey, ACM Journal, 7 (1), 2010 [4] Itti, L., Koch, C., and Niebur., E., A Model of Saliency-based Visual Attention for
Rapid Scene Analysis, IEEE Trans. On PAMI, 20 (11), pp. 1254-1259, 1998 [5] Da Silva, M.P., Courboulay, V., and Estraillier, P., Image Complexity Measure on
Visual Attention, IEEE International Conference on Image Processing, 2011 [6] Filipe, S. and Alexandre, L.A., From the human visual system to the computational
models of visual attention: a survey, Artificial Intelligence Review, Springer, 2013 [7] Horvitz, E., Kadie, C., Paek, T., and Hovel, D., Models of Attention in Computing
and Communication: From Principles to Applications, Microsoft Research, 2013 [8] Itti, L. and Koch, C., Computational Modelling of Visual Attention, Nature
Macmillan Magazine, 2, March 2001 [9] Qianpei Mai, Visual Attention Complexity of Scene, L'Universite de Nantes
Polytech Nantes, 2013