TUGAS MATA KULIAH TEKNIK KLASIFIKASI DAN PENGENALAN POLA EKSTRAKSI CIRI CITRA BERDASARKAN JARAK KOMPONEN WAJAH DAN PERANCANGAN PROGRAM PERCEPTRON PEMBELAJARAN TERBMBING OLEH : AFRI YUDAMSON 11/322869/PTK/7542 PROGRAM STUDI S2 RREGULER JURUSAN TEKNIK ELEKTRO DAN TEKNIK INFORMASI FAKULTAS TEKNIK UNIVERSITAS GADJAH MADA 2012
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
TUGAS MATA KULIAH TEKNIK KLASIFIKASI DAN PENGENALAN POLA
EKSTRAKSI CIRI CITRA BERDASARKAN JARAK KOMPONEN WAJAH DAN
PERANCANGAN PROGRAM PERCEPTRON PEMBELAJARAN TERBMBING
OLEH :
AFRI YUDAMSON
11/322869/PTK/7542
PROGRAM STUDI S2 RREGULER
JURUSAN TEKNIK ELEKTRO DAN TEKNIK INFORMASI
FAKULTAS TEKNIK
UNIVERSITAS GADJAH MADA
2012
Latar belakang
Identifikasi wajah tiga dimensi dengan menggunakan dua buah kamera sebagai
perangkat untuk menangkap citra input dari dua sudut yang berbeda. Berikut gambaran
skema peletakkan webcam terhadap sampel wajah.
Gambar 1. Skema peletakkan webcam terhadap wajah sampel.
Dari masing- masing webcam didapatkan citra sampel berupa wajah dari sudut
pandang yang berbeda. Citra tersebut akan melalui proses filterisasi, normalisasi range
kecerahan(brightness) dan kontras, normalisasi posisi, dan segmentasi. Filterisasi
dimaksdukan untuk menghasilkan citra dengan noise yang minimum. Normalisasi range
kecerahan dan kontras bertujuan menghasilkan citra dengan tingkat kecerahan dan
kontras yang sesuai dengan standar yang diinginkan. Normalisasi posisi dilakukan
dengan rotasi citra agar menghasilkan citra dengan kemiringan sesuai standar yang
diinginkan.
Setelah didapatkan citra yang terstandarisasi, akan dilakukan ekstraksi ciri. Proses
ini dilakukan dengan menghitung nilai perbandingan nilai proyeksi jarak mata kiri-
hidung terhadap jarak mata kiri-mata kanan. Nilai yang didapat dari dua gambar yang
dihasilkan dari masing-masig webcam akan menjadi masukkan bagi Perceptron. Proses
ini dapat diperjelas dari gambar berikut.
d1’
d2’
mata hidung
wajah sampel
webcam
webcam
Gambar 2. Model citra sampel
Keterangan:
= vektor jarak mata kiri-mata kanan (d)
= vektor jarak mata kiri-hidung (d1)
= proyeksi vektor jarak mata kiri-hidung terhadap vektor jarak mata kiri-mata kanan
(d1’)
Dari citra yang dihasilkan oleh masing-masing webcam didapatkan nilai | d | dan
nilai | d1’ |. Kemudian dihitung nilai x1 dan x2 dengan persamaan berikut.
�1 =|���|
|�| dari citra hasil webcam pertama
�2 =|���|
|�| dari citra hasil webcam kedua
x1 dan x2 berikutnya akan menjadi masukkan untuk Perceptron. Output yang dihasilkan
dari perceptron berupa bobot-bobot akhir yang dapat mengidentifikasi masukan
sebagai wajah 3 dimensi atau bukan.
Untuk mengetahui titik-titik pusat komponen wajah(mata dan hidung) diperlukan
proses pemotongan gambar berdasarkan letak komponen wajah. Pada tugas
matakuliah ini dilakukan eksperimen pemotongan citra wajah dua dimensi sebagai
sampel untuk mengetahui letak komponen wajah(mata dan hidung) dan mengekstraksi
ciri citra berdasarkan jarak komponen-komponen wajah yang akan digunakan sebagai
input untuk perceptron.
hidung
mata mata
Wajah sampel
Tujuan
Tujuan dari eksperimen yang dilakukan adalah untuk mengetahui letak komponen
wajah yang selanjutnya akan dicari titik pusat koordinat masing-masing komponen wajah
dan menghitung nilai perbandingan jarak antar komponen wajah. Selain itu, eksperimen ini
bertujuan untuk merancang program berbasis perceptron pembelajaran terbimbing.
Metode penelitian
Langkah-langkah yang dilakukan antara lain:
1. Mempersiapkan file citra sampel.
2. Mempersiapkan software Matlab.
3. Membuat program untuk mengambil dan mengolah citra sampel.
4. Menguji program.
5. Membuat program perceptron pembelajaran terbimbing.
6. Menguji program untuk mendapatkan nilai bobot-bobot akhir.
Untuk langkah pertama, file citra sampel yang dipakai adalah citra jpeg berukuran 1377x945
pixel. Citra sampel dapat dilihat pada gambar berikut.
Gambar 3. Citra sampel.
Listing program yang ditulis sebagai berikut:
clc
clear
Foto=imread('D:\Do n Wo\PICTURE\PICTURE\mine\edit\pas foto
4x6.jpg');
G=rgb2gray(Foto);
Blck=im2bw(Foto);
Crp1=imcrop(G,[300 450 150 100]);
Crp2=imcrop(G,[500 450 150 100]);
Crp3=imcrop(G,[425 575 100 100]);
subplot(2,2,1);
imshow(Foto);
subplot(2,2,2);
imshow(Crp1);
subplot(2,2,3);
imshow(Crp2);
subplot(2,2,4);
imshow(Crp3);
Program tersebut pertama-tama mengambil citra sampel dengan alamat direktori
tertentu kemudian mengubah citra sampel dari range warna RGB ke Grayscale. Setelah itu
memotong citra sampel berdasarkan letak komponen wajah(mata dan hidung). Kemudian
menampilkan citra asli, citra mata kiri, citra mata kanan, dan citra hidung. Untuk mata kiri
dan mata kanan diatur citra berukuran 150x100 piksel sedangkan citra hidung berukuran
100x100 piksel.
Hasil pengujian program sebagai berikut:
Gambar 4. Citra hasil running program.
Setelah citra terpotong berdasarkan komponen wajahnya, akan dicari letak titik-titik pusat
masing-masing komponen wajah tersebut. Dapat dilihat pada gambar berikut.
Gambar 5. Letak titik pusat komponen wajah.
Ket:
= vektor antar pusat mata kanan dan kiri ��̅�
= vektor antara pusat mata kiri dengan pusat hidung �������
= vektor proyeksi����� terhadap �̅ ���̅
� �
Untuk mengetahui jarak antar komponen wajah diperlukan nilai letak komponen
wajah yaitu �̅, ��, dan �̅ berdasarkan citra yang sebelumnya telah dipotong. Karena objek
berupa citra 2 dimensi, maka masing-masing vektor pusat memiliki 2 komponen penyusun
yaitu �̅ dan ��. Jika dimisalkan jarak antara titik awal citra komponen mata kiri dengan titik
awal citra komponen mata kanan adalah �� dan jarak antara titik awal citra komponen mata
kiri dengan titik awal citra komponen hidung adalah �� maka,
�̅ = ���
���
�� = ���
���
D
E
�̅ = ���
���
�� = (��)
�� = ���
���
Dari vektor-vektor di atas dapat dicari nilai ��̅� dan �������� sebagai berikut.