Identifikasi Iris Mata Menggunakan Metode Alihragam Wavelet Haar Untuk Sistem Pengamanan Berangkas (Diajukan sebagai tugas Mata Kuliah Pengolahan Sinyal Elektronika dan Cira) Oleh : Nia Restu Juliantie 140310100062 JURUSAN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Identifikasi Iris Mata Menggunakan Metode Alihragam Wavelet Haar Untuk Sistem Pengamanan Berangkas
(Diajukan sebagai tugas Mata Kuliah Pengolahan Sinyal Elektronika dan Cira)
Oleh :Nia Restu Juliantie
140310100062
JURUSAN FISIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PADJADJARAN
2013
LATAR BELAKANG
Salah satu cara yang digunakan untuk mengidentifikasi seseorang adalah
diambil dari karakteristik alami yang dimiliki manusia (Biometrik). Teknologi
dibidang pengenalan identitas (personal identification) dapat diaplikasikan
sebagai pengendali akses dan sistem sekuriti. Berbagai macam sistem pengenal
telah berkembang didunia, antara lain adalah : pengenal wajah, retina, sidik jari,
telapak tangan, tanda tangan, ataupun suara. Salah satu bagian tubuh manusia
yang lain yang bersifat unik dan bisa dijadikan sistem pengenal adalah iris atau
selaput pelangi pada mata manusia. Dari pola yang dimiliki oleh selaput
pelangi ini, ternyata memiliki pola yang unik untuk setiap orang. Pola ini juga
memiliki kekonsistenan dan kestabilan yang tinggi bertahun-tahun tanpa
mengalami perubahan.
Dari kondisi ini, maka para ahli mata mengusulkan bahwa iris ini dapat
dijadikan seperti sidik jari untuk identitas pribadi seseorang. Pada makalah ini
akan dibahas perangkat lunak dengan metode Alihragam Wavelet sebagai sistem
identifikasinya dan perangkat keras yaitu brankas elektronik yang menerima
keluaran dari sistem identifikasi dan menerjemahkan sebagai akses untuk
membuka pintu brankas. Dimana pada pengambilan data input berupa file video
yang diambil secara online oleh handycam, yang nantinya dalam PC akan
dilakukan pemrosesan citra hingga pengenalan pola iris. Kemudian setelah itu
pola-pola tersebut dikenali oleh perangkat lunak melalui metode Wavelet-Haan.
Pola- pola yang telah dapat dikenali tersebut kemudian disimpan ke dalam
database sebagai referensi. Inti dari sistem sekuriti ini adalah membandingkan
pola iris user dengan pola iris lain apakah dapat terkenali atau tidak dapat
dikenali.
TEORI PENUNJANG
I. PENGOLAHAN CITRAPengolahan citra merupakan suatu metode yang digunakan
untuk mengolah gambar sehingga menghasilkan gambar lain sesuai dengan
yang kita inginkan, khususnya menggunakan komputer menjadi citra yang
kualitasnya lebih baik. Citra dalam perwujudannya dapat bermacam-macam,
mulai dari gambar hitam putih dalam sebuah foto (yang tidak bergerak)
sampai pada gambar berwarna yang bergerak pada pesawat televisi.
I.1 Teori WarnaData visual citra berwarna lebih kaya dan rumit daripada
citra monokromatik. Setiap warna dihasilkan oleh kombinasi tiga warna
dasar yaitu Merah (R), Hijau (G), dan Biru (B) dalam komposisi tertentu
yang disebut Grey level dengan nilai 0 sampai 255 dengan format citra
digital 24 bit. Komposisi warna-warna dasar tersebut dinyatakan dengan:
(Koefisien Detil Vertikal 2), dan HH2 (Koefisien Detil Diagonal 2).
Dan begitu juga seterusnya jika dilakukan dekomposisi lagi.
I.6.2 Filter Wavelet
Transformasi wavelet diskrit seperti yang telah diterangkan
sebelumnya, dimana citra dilakukan filtering oleh lowpass filter
dekomposisi dan highpass filter dekomposisi pada proses dekomposisi
(pembelahan subband). Begitu pula pada saat citra dilakukan proses
inverse transformasi wavelet diskrit, citra kembali dilakukan proses
upsampling yang diikuti proses filtering oleh lowpass filter rekonstruksi
dan highpass filter rekonstruksi.
Keluarga wavelet memiliki ordo dimana ordo menggambarkan jumlah
koefisien filternya.
I.6.3 Implementasi pada Matlab
Fungsi yang memegang peranan dalam transformasi wavelet adalah
wavedec2(X,2,wname)dimana wavedec2 berarti transformasi wavelet
untuk data dua dimensi, X mewakili data citra, 2 mewakili transformasi
wavelet dalam dua level dan wname adalah tipe wavelet. Berikut adalah
contoh penggunaan transformasi wavelet menggunakan matlab. Di bawah
ini source code untuk waveletbior.m :
function waveletbior()load woman2
%load detfingr; X = X(1:200,51:250);
close all clf image(X)
colormap(map)axis image; set(gca,'XTick',[],'YTick',[]); title('Original')pause% We will use the 9/7 filters with symmetric extension at the% boundaries. dwtmode('sym') wname = 'bior4.4'
% Compute a 2-level decomposition of the image using the 9/7 filters. [wc,s] = wavedec2(X,2,wname);
% Here are the reconstructed branches ra2 = wrcoef2('a',wc,s,wname,2);rh2 = wrcoef2('h',wc,s,wname,2);rv2 = wrcoef2('v',wc,s,wname,2);rd2 = wrcoef2('d',wc,s,wname,2);