IMPLEMENTASI METODE FOURIER DESCRIPTORS, COLOR HISTOGRAM DAN GABOR FILTERING PADA CONTENT BASED IMAGE RETRIEVAL

(1)

GABOR FILTERING PADA CONTENT BASED IMAGE RETRIEVAL

Irwansyah¹, Tjokorda Agung Budi Wirayuda², Retno Novi Dayawati³

¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom

Abstrak

Dengan semakin berkembangnya teknologi informasi telah banyak dikembangkannya berbagai metode pencarian content based, yaitu sistem Content Based image retrieval (CBIR) yang

merupakan mekanisme pencarian query image, ini disebabkan pencarian image berdasarkan text sudah tidak efektif lagi.

Pada tugas akhir ini diimplementasikan sistem CBIR, untuk mendapatkan fitur imagenya digunakan metode pengekstrakan fitur yaitu color histogram untuk mngekstrak fitur warna , fourier descriptors untuk mengekstrak fitur bentuk dan gabor filtering untuk mengekstrak fitur tekstur. Langkah pertama user mengiputkan query image, kemudian sistem mengekstraksi fitur warna, bentuk dan teksturnya dengan menggunakan color histogram, fourier descriptor dan gabor filtering. Hitung tingkat similarity dengan metode similarity, yaitu cosine distance antara image query dengan image database. Dalam sistem ini digunakan empat kelas image yaitu Apple, Cup, Face dan Rose yang memiliki ukuran 256 x 256 pixel, nilai similarity bisa dipilih dari 100%

sampai 0% sesuai dengan keinginan user. Untuk membatasi image yang ditampilkan disediakan nilai threshold yaitu 10, 20 dan 30.

Hasil dari tugas akhir ini adalah sebuah sistem CBIR yang dapat digunakan dalam proses

pencarian image dan dapat menganalisis seberapa akuratkah sitem CBIR jika menggunakan color histogram fourier descriptors, dan gabor filtering sebagai pengekstrakan fitur imagenya.

Kata Kunci : Content Based Image Retrieval, Color Histogram, Fourier Desciptors, Gabor Filtering, Cosine distance

Abstract

Expanding variety of information technology has many developed various seeking methods of contend based, that is system Content Based image retrieval ( CBIR) which is seeking mechanism of query image, this caused seeking of image based on text had not effective again.

This final project performs Content-based Image Retrieval (CBIR) system,to get image feature used extractor feature that is color histogram for extract color feature, fourier descriptor for exract shape feature and gabor filteringfor extract texture feature. The first step is user input the image query, then the image will be extracted using color histogram, fourier descriptors and gabor filtering so that got the color feature, shape feature and the texture feature. calculate level of similarity with method similarity, that is cosine distance between image query with image database. This system using four image classes that is Apple, Cup, Face And Rose, which size 256 x 256 pixels, the similarity value can be choosen from 100% to 0% according to user’s wish. To bound the image presented, the system will provide the threshold value that is 10, 20 and 30.

The result from this final task is an application that can be used in course of image seeking and analyze how accurate is the CBIR application if using color histogram, fourier descriptors and gabor filtering as the image feature extracting.

Keywords : Content Based Image Retrieval, Color Histogram, Fourier Desciptors, Gabor Filtering, Cosine distance

Powered by TCPDF (www.tcpdf.org)

Fakultas Teknik Informatika Program Studi S1 Teknik Informatika

(2)

1

1. Pendahuluan

1.1 Latar belakang

Dalam model data relasional biasanya user dihadapkan pada model query tekstual, yang mengharuskan user memasukkan teks untuk mengambil/menampilkan data dari database. Database yang digunakan adalah database multimedia, bisa jadi query yang digunakan akan berbeda bentuknya.

Database jenis ini akan menyimpan data multimedia, seperti image, suara, dan video. Untuk melakukan query pada jenis data tersebut seringkali tidak tepat jika menggunakan Text based query. Secara ilmiah, ada dua metodologi dalam pemanggilan data image yaitu text based dan content based. Text based adalah pemanggilan kembali data image dengan menggunakan query teks, walaupun prosesnya lebih cepat dari pada content based, namun kekurangan dari text based adalah adanya perbedaan persepsi dalam mendeskripsikan image sehingga hasilnya mungkin akan berbeda dengan image yang diinginkan, sedangkan content based adalah proses pemanggilan kembali data image dengan menggunakan query image dengan cara mencocokan content antara query image dengan image yanga ada dalam basisdata. Teknik pemanggilan ini disebut Content Based Image Retrieval (CBIR). Sebelum proses pencocokan dilakukan, image akan diekstrak terlebih dahulu untuk mendapatkan informasi didalamnya.

Fitur image yang dapat diekstrak adalah fitur bentuk, fitur warna, dan fitur tekstur.

Dalam tugas akhir ini di implementasikan image retrieval berdasarkan ekstraksi fitur bentuk , fitur warna dan fitur tekstur. Metode yang digunakan dalam ekstraksi fitur bentuk adalah Fourier Descriptors. Metode ini mengubah citra image ruang spatial ke ruang frekuensi dan sebaliknya, yang digunakan untuk menghitung nilai boundary dari suatu citra. Metode ini juga digunakan untuk memperhalus rincian detail dari suatu bentuk[16]. Image hasil ekstraksi metode tersebut digunakan untuk me-retrieve image pada CBIR berdasarkan kemiripannya terhadap image yang telah diekstraksi.

Fitur kedua yaitu ekstraksi warna, warna merupakan aspek dominan yang dimiliki image. Metode ekstraksi warna yang digunakan adalah color histogram.

Metode ini digunakan untuk menghitung banyaknya pixel – pixel dari setiap warna yang dimiliki image, dengan:(1)memilih jenis ruang warna(RGB), (2)kuantisasi nilai RGB, (3)lakukan perhitungan menggunakan histogram, Kuantisasi diperlukan untuk mempercepet proses komputasi[13]. Image hasil ekstraksi metode tersebut digunakan untuk me-retrieve image pada CBIR berdasarkan kemiripannya terhadap image yang telah diekstraksi.

Fitur ketiga yang di ekstrak adalah fitur tekstur, Metode yang digunakan dalam ekstraksi fitur tekstur adalah Gabor Filtering. Metode ini digunakan untuk mendapatkan nilai mean(ukuran penyebaran rata – rata pixel) dan variance(seberapa jauh nilai-nilai pixel tersebar di sekitar rata-ratanya) yang merupakan fitur tekstur dominan dari image . CBIR me-retrieve image berdasarkan kemiripan mean dan variance image lain dengan mean dan variance image yang telah disimpan sebelumnya.

(3)

2

1.2 Perumusan masalah

Permasalahan tugas akhir ini adalah sebagai berikut.

1. Bagaimana mengimplementasikan metode Fourier Descriptor , Color Histogram dan Gabor Filtering dalam mengekstraksi fitur bentuk , fitur warna dan fitur tekstur suatu image.

2. Bagaimana menerapkan teknik CBIR untuk mendapatkan image yang sesuai dengan image query dengan menggunakan metode pencarian similarity match.

3. Bagaimana menganalisis tingkat keberhasilan image retrieval dari image yang diekstrak dengan menggunakan Fourier Descriptor , Color Histogram dan Gabor Filtering atau kombinasi dari ketiga metode, yaitu dengan mengiriskan hasil similarity ketiga metode diatas secara pararel.

1.3 Tujuan

Tujuan pembuatan tugas akhir ini adalah :

1. Mengimplementasikan metode Fourier Descriptor , Color Histogram dan Gabor Filtering dalam mengekstraksi fitur bentuk , fitur warna dan fitur tekstur suatu image.

2. Menerapkan teknik CBIR untuk mendapatkan image yang sesuai dengan image query dengan menggunakan metode pencarian similarity match.

3. Menganalisis tingkat keberhasilan image retrieval yang diekstrak menggunakan metode Fourier Descriptor , Color Histogram dan Gabor Filtering atau kombinasi(mengiriskan hasil similarity ketiga metode) dengan menghitung nilai precision dan recall.

1.4 Metodologi penyelesaian masalah 1. Studi literatur

Mempelajari dan memahami konsep CBIR, Image Processing, Fourier Descriptors, Color Histogram dan Gabor Filtering melalui berbagai pustaka seperti text book, jurnal ilmiah, dan artikel web yang dapat menunjang tugas akhir ini, adapun type data dan ukuran image yang digunakan adalah Bitmap pada ukuran 256 X 256 Pixel dengan kedalaman 24bit. Data yang diinputkan sebanyak 120 image, masing – masing image dibagi menjadi empat kelas, yaitu: Apple, Cup, Face, dan Rose. Setiap kelas berisi 30 image.

2. Analisis dan Perancangan

Melakukan analisis dan merancang sistem CBIR menggunakan metode Fourier Descriptors, Color Histogram dan Gabor Filtering. Gambar 1-1 merupakan gambaran umum dari sistem yang akan di bangun menggunakan ketiga metode di atas :

(4)

3 Gambar 1-1: Bentuk Umum Sistem CBIR

3. Implementasi

Pengimplementasian sistem menggunakan metode terstruktur dan MATLAB 7.0

4. Pengujian Sistem

Melakukan pengujian terhadap sistem dengan menggunakan beberapa skenario query kemudian dilakukan analisis terhadap hasil pengujian.

5. Penyusunan Laporan dan Penarikan Kesimpulan

Menyusun laporan Tugas Akhir dan menarik kesimpulan akhir berdasarkan analisis yang dilakukan.

(5)

34

5. Kesimpulan dan Saran

5.1 Kesimpulan

Pada bagian ini penutup ini diuraikan beberapa kesimpulan dan saran berdasarkan hasil analisis pada bab 4.

1. Sistem yang dibuat telah berhasil melakukan pencarian image dengan menggunakan query image.

2. Preprocessing, fitur warna, fitur bentuk dan fitur tekstur image query setiap ekstraksi mempengaruhi hasil retrieval.

3. Berdasarkan pengujian parameter, maka dapat disimpulkan bahwa:

a) Untuk ekstraksi warna, kuantisasi dan fitur warna dominan image query mempengaruhi hasil retrieval.

b) Untuk ekstraksi bentuk, prepocessing dan koefisien fourier mempengaruhi hasil retrieveal.

c) Untuk ekstraksi tekstur, penentuan skala dan orientasi menjadi dasar utama yang mempengaruhi hasil retrieval.

4. Berdasarkan pengujian yang dimodifikasi, maka dapat disimpulkan bahwa:

a) Image yang berbeda ukuran untuk kelas apple, face, cup dan rose baiknya menggunakan ekstraksi warna.

b) Image yang mengalami distorsi(blur) mempengaruhi image retrieve relevant untuk setiap ekstraksi.

c) Untuk Image rotasi sebaiknya menggunakan ekstraksi warna dan tekstur

d) Image yang mengalami distorsi(contrast) mempengaruhi image result pada ekstraksi warna.

5.2 Saran

Saran – saran yang dapat disampaikan untuk keperluan penelitian dan pengembangan sistem CBIR adalah:

1. Untuk image yang dirotasi hasil yang di dapat kurang memuaskan dalam ekstraksi fitur bentuk, sebaiknya menggunakan metode lain, seperti: Moment Invariants, Turning Angles, dll.

2. sistem CBIR dapat dibuat menggunakan web based agar bisa diakses secara online.

(6)

35

Referensi

[1] Aibing Rao, Rohini K. Srihari, Zhongfei : Spatial Color Histograms for Content- Based Image Retrieval, Center of Excellence for Document Analysis and Recognition State University of New York, 1999.

[2] Fitrianingrum.2007, Implementasi Filter Gabor (Wavelet) pada Texture- based Image Retrieval jurusan Teknik Informatika Sekolah Tinggi Teknologi Telkom. Bandung.

[3] Dangsheng Zhang and Guojun Lu: A Comparative Study on Shape Retrieval Using Fourier Descriptors with Different Shape Signatures, Gippsland School of Computing and Information Technology Monash University Churchill, Victoria 3842 Australia, 2004

[4] Dengsheng Zhang , Aylwin Wong , Maria Indrawan , dan Guojun Lu,2001, “Content- based Image Retrival Using Gabor Teksture Feature” , Australia: Monash University.

[5] Ediz S¸aykol*, Ugˆur Gu¨du¨kbay, O¨ zgu¨r Ulusoy: A histogram-based approach for object-based query-by-shape-and-color in image and video databases, Department of Computer Engineering, Bilkent University 06800 Bilkent, Ankara, Turkey.2004

[6] Farah Mutia.2008, Analisis dan Implementasi Metode Fourier Fourier Descriptors dan Color Histogram pada Content Based Image Retrieval.

Jurusan Teknik Informatika Sekolah Tinggi Teknologi Telkom Bandung [7] Fitrianingrum.2007, Implementasi Filter Gabor pada Texture-based

Image Retrieval. Jurusan Teknik Informatika Sekolah Tinggi Teknologi Telkom. Bandung

[8] Fuhui Long, Hongjiang Zhang, David D. Feng: Fundamentals of Content-based Image retrieval, in Multimedia Information Retrieval and Management - Technological Fundamentals and Applications, D. Feng, W.C. Siu, and H.J.Zhang. (ed.), Springer, 2002.

[9] K.Widiartha Ida Bagus, Wijaya I Gede Pasek Suta: Pencarian Citra Menggunakan Metode Transformasi Wavelet dan Metrika Histogram Terurut, Fakultas Teknik, Jurusan Teknik Elektro, Universitas Mataram [10] Osadebey Eziashi Michael: integrated content-based image retrieval

using texture, shape and spatial information,Master thesis report in media signal processing, Umea university,2 006

[11] Munir, Rinaldi: Pengolahan Citra Digital

[http://informatika.org/~rinaldi/Buku/Pengolahan%20Citra%20Digital/B ab-1_Pengantar%20Pengolahan%20Citra.pdf]

[12] Pengolahan citra konsep dasar,universitas gunadarma 2006.

[13] Sangoh Jeong: Histogram-Based Color Image Retrieval, Psych221/EE362 Project Report, Standford University, 2001

[14] Tomislav Petkovi’c, Josip Krapac: Technical Report Shape Description with Fourier Descriptors, FER Zagreb, FSB Zagreb, 2002

(7)

36

[15] Wirawan, Setia. 2004. Jurnal: Content based Image Information Retrieval. Universitas Gunadarma

[16] Yoo, Yerin. 2001 :Tutorial on Fourier Theory