Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : SCAN

METODE MAXIMALLY STABLE EXTREMAL REGIONS DAN HARRIS CORNER UNTUK MENDETEKSI LOKASI PLAT NOMOR KENDARAAN BERMOTOR Maulana, Hendra; Herumurti, Darlis; Yuniarti, Anny
SCAN - Jurnal Teknologi Informasi dan Komunikasi Vol 13, No 1 (2018)
Publisher : Universitas Pembangunan Nasional "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/scan.v13i1.1056

Abstract

Abstrak. Beberapa penelitian metode pengenalan plat telah menunjukkan kinerja menjanjikan, namun beberapa metode mungkin gagal dalam situasi yang lebih kompleks karena kompleksitas seperti variasi posisi dan orientasi plat, berbagai latar belakang, dan benda-benda non-plat. Untuk efisiensi pencocokan visual yang lebih tinggi, beberapa detektor keypoint cepat dan deskripsi yang sesuai telah dilakukan penelitian, seperti seperti fitur FAST, SURF, BRISK, Harris Corner. Dan ada juga fitur Maximally Stable Extremal Regions (MSER) yang metode pencarian keypoint berdasarkan extremal regionnya. Metode MSER telah diidentifikasi sebagai salah satu detektor wilayah terbaik karena ketahanannya terhadap perubahan sudut pandang, skala, dan pencahayaan, serta sensitif terhadap citra yang kabur. Deteksi lokasi plat nomor kendaraan dengan metode deteksi sudut Harris Corner mampu mendeteksi secara baik pada file gambar dengan kondisi pencahayaan yang beragam, hal ini dikarenakan oleh latar belakang yang relatif terfokus pada sudut. Namun untuk beberapa gambar plat nomor yang memantulkan sinar matahari masih sulit dideteksi. Oleh sebab itu penelitian ini akan menggabungkan metode Maximally Stable Extremal Regions (MSER) dan metode Harris Corner pada tahap ekstraksi fitur untuk deteksi lokasi plat nomor kendaraan. Penggunaan metode MSER diharapkan dapat memperbaiki kekurangan metode Harris Corner pada gambar plat nomor yang memantulkan sinar matahari dan dapat mengurangi area yang akan dicocokan dengan template berdasarkan deteksi corner point teks. Ekstraksi dilakukan terhadap 80 dataset mobil dengan plat nomor kendaraan standar Indonesia. Proses ekstraksi fitur metode MSER digunakan untuk mendeteksi kandidat area teks, selanjutnya dilakukan ekstraksi fitur Harris Corner untuk mendeteksi corner points teks dan akan dicocokan dengan template. Hasil pengujian menunjukkan nilai akurasi sebesar 98,85% dengan rata-rata waktu komputasi 32,96 detik. Sedangkan nilai presisi dan recall masing-masing sebesar 67,61 untuk presisi, dan 79,66 untuk recall.  Kata Kunci: Ekstraksi fitur, Extremal region, Corner detection, Harris Corner, MSERDOI : https://doi.org/10.33005/scan.v13i1.1056
PENGENALAN CITRA WAJAH DENGAN VARIASI ILUMINASI MENGGUNAKAN PRA-PEMROSESAN TAN AND TRIGGS DAN METODE KLASIFIKASI ROBUST REGRESSION Puspaningrum, Eva Yulia; Suciati, Nanik; Yuniarti, Anny
SCAN - Jurnal Teknologi Informasi dan Komunikasi Vol 10, No 3 (2015)
Publisher : Universitas Pembangunan Nasional "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/scan.v10i3.621

Abstract

Abstrak. Pengenalan citra wajah dengan variasi iluminasi dianggap sebagai salah satu masalah penting di bidang pengenalan wajah karena variasi yang disebabkan oleh pencahyaan lebih signifikan dari pada ciri fisik wajah individu sendiri. Salah satu pendekatan untuk memecahkan masalah ini  adalah dengan metode klasifikasi Robust Regression. Dalam penelitian ini metode Robust Regression dengan menggunakan teknik pra pemrosesan Tan and Triggs (TT)  dapat menghasilkan kinerja yang cukup handal. Pengujian dilakukan dengan menggunakan 2 basisdata standar yaitu CMU-PIE dan Yale Face B. Berdasarkan uji coba yang dilakukan, penggunaan pra pemrosesan TT pada robust regression menghasilkan tingakat akurasi yang lebih unggul daripada penggunaan pra pemrosesan Histogram Equalization (HE). Pada CMU PIE Face Database pencahayaan frontal dengan pra proses  HE akurasi sebesar 97,30% sedangkan dengan TT akurasi sebesar 97,82%. Pada kondisi pencahayaan ekstrim akurasi yang diperoleh HE sebesar 99,66% sedangkan TT sebesar 100%. Selain itu, dari hasil uji coba database lain yaitu dengan Yale Face Database B 50x50 akurasi menggunakan HE sebesar 84,7 % sedangkan dengan TT sebesar 93,95%.   Kata Kunci: Pengenalan Wajah, Normalisasi Iluminasi, Robust Regression, Tan and Triggs.