APLIKASI METODE DUAL-TREE COMPLEX FILTER BANK PADA SEGMENTASI OBYEK BERGERAK FERRY ISWONO

(1)

Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2013

APLIKASI METODE DUAL-TREE COMPLEX FILTER BANK

PADA SEGMENTASI OBYEK BERGERAK

FERRY ISWONO

1209 100 059

(2)

LATAR BELAKANG

RUMUSAN MASALAH

BATASAN MASALAH

TUJUAN

MANFAAT

 Pelacakan obyek bergerak dalam video digital (Video Tracking)

LATAR BELAKANG(1)

(3)

LATAR BELAKANG

RUMUSAN MASALAH

BATASAN MASALAH

TUJUAN

MANFAAT

 Proses pelacakan obyek bergerak

 Proses memisahkan obyek dengan latar belakang yang disebut segmentasi

LATAR BELAKANG(2)

 Segmentasi menggunakan metode Dual Tree

Complex Filter Bank

(4)

PENDAHULUAN TINJAUAN

PUSTAKA METODE PENELITIAN

ANALISIS SISTEM &

PERANCANGAN PERANGKAT LUNAK

UJI COBA DAN PEMBAHASAN

 Bagaimana mengimplementasikan metode Dual Tree Complex Filter Bank menggunakan filter 9/7-10/8 pada pendeteksian tepi obyek pada proses segmentasi obyek bergerak.

 Bagaimana perbandingan hasil segmentasi citra menggunakan 9/7-10/8 pada metode Dual Tree Complex Filter Bank dengan filter wavelet yang lain yaitu Haar dan Daubechies.

RUMUSAN MASALAH

KESIMPULAN

(5)

 Video yang digunakan berformat .avi.

 Video yang digunakan memiliki latar belakang diam (tetap).

 Video hanya memuat satu obyek bergerak.

 Metode yang dibandingkan adalah Dual Tree Complex Filter Bank 9/7-10/8 dengan Haar Wavelet dan Dual Tree Complex Filter Bank 9/7-10/8 dengan Daubechies Wavelet.

 Software yang digunakan untuk membuat aplikasi ini adalah Matlab R2012a.

BATASAN MASALAH

KESIMPULAN

(6)

Tujuan yang ingin dicapai dalam Tugas Akhir ini adalah membuat aplikasi yang dapat digunakan untuk mendapatkan hasil segmentasi obyek bergerak dengan menggunakan metode Dual Tree Complex Filter Bank.

TUJUAN PENELITIAN

KESIMPULAN

(7)

 Mendapatkan gerakan obyek pada suatu video sehingga dapat digunakan untuk keperluan pelacakan dan

pendeteksian obyek.

 Membandingkan kinerja beberapa alat filter pada metode Dual Tree

Complex Filter Bank untuk mengetahui alat filter yang lebih cocok untuk

digunakan dalam segmentasi video.

MANFAAT PENELITIAN

KESIMPULAN

(8)

 Bab I : Pendahuluan

 Bab II : Tinjauan Pustaka

 Bab III : Metodologi Penelitian

 Bab IV : Analisis Sistem dan Perancangan Perangkat Lunak

 Bab V : Uji Coba dan Pembahasan

 Bab VI : Kesimpulan

SISTEMATIKA PENULISAN

KESIMPULAN

(9)

Segmentasi dengan metode Algoritma Block Matching (BMA)[8].

Penelitian ini membahas mengenai segmentasi gerakan dimana estimasi gerakannya menggunakan algoritma Block

Matching,

sedangkan segmentasinya menggunakan Kmeans Clustering.

Berdasarkan kesimpulan dari penelitian tersebut, diperoleh informasi bahwa semakin kecil ukuran blok yang digunakan akan menghasilkan ekstraksi obyek bergerak yang semakin baik.

PENELITIAN TERDAHULU

KESIMPULAN

(10)

Citra terbagi atas dua macam yaitu citra diskrit (citra digital) dan citra kontinu. Citra diskrit diperoleh melalui proses digitalisasi sedangkan citra kontinu diperoleh melalui sistem optik yang menerima sinyal analog. Citra merupakan fungsi kontinu dari intensitas cahaya pada bidang dua dimensi yang dinyatakan dalam bentuk fungsi berikut[6]:

CITRA

KESIMPULAN

dengan : iluminasi : refleksi

: intensitas cahaya pada titik (x,y)

(11)

Video adalah teknologi pemrosesan sinyal elektronik yang mewakilkan gambar bergerak[4]. Terdapat dua kategori video, yaitu video analog dan video digital.

VIDEO

KESIMPULAN

 Video Analog

Video analog mengkodekan informasi gambar dengan memvariasikan voltase dan/atau frekuensi dari sinyal[4].

 Video Digital

Video digital sebenarnya terdiri atas serangkaian citra digital yang ditampilkan dengan cepat pada kecepatan yang konstan[4].

(12)

Segmentasi merupakan teknik yang digunakan untuk membagi suatu citra menjadi beberapa daerah (region) dimana setiap daerah memiliki kemiripan atribut[9].

Segmentasi dilakukan dengan cara memproses setiap frame pada sebuah video untuk kemudian dibangun kembali menjadi sebuah video utuh.

SEGMENTASI OBYEK BERGERAK

KESIMPULAN

(13)

Wavelet merupakan suatu alat matematika yang dapat digunakan untuk memproses sinyal.

Analisis data pada wavelet dilakukan dengan mendekomposisi suatu sinyal kedalam komponen frekuensi yang berbeda-beda.

Filter dalam wavelet:



9/7-10/8



Haar



Daubechies

WAVELET

KESIMPULAN

(14)

Algoritma Segmentasi Obyek Bergerak menggunakan metode Dual Tree Complex Filter Banks diberikan sebagai berikut:

DUAL-TREE COMPLEX FILTER BANK

KESIMPULAN

• Dekomposisi citra

• Perataan nilai matriks dalam domain wavelet pada setiap frame yang diproses (Soft

thresholding in wavelet domain).

• Operasi deteksi tepi menggunakan Canny Edge.

• Menyusun elemen yang digunakan dengan menggunakan operasi binary morphological.

• Operasi penggabungan dan rekonstruksi.

(15)

 Studi Literatur

 Analisis Sistem dan Perancangan Perangkat Lunak

 Implementasi Hasil Perancangan Perangkat Lunak

 Uji Coba dan Evaluasi Perangkat Lunak

 Penarikan Kesimpulan

METODOLOGI PENELITIAN

KESIMPULAN

(16)

PROSES SEGMENTASI OBYEK BERGERAK

KESIMPULAN

Memasukkan video berformat .avi

Mengisi nilai thresholding

Segmentasi per frame/semua

frame?

Memilih frame yang akan diproses

Segmentasi Obyek Bergerak

Hasil segmentasi

Per frame

Semua frame Memilih alat filter

wavelet Mulai

Mulai

(17)

ALGORITMA DUAL-TREE COMPLEX FILTER BANK

KESIMPULAN

Tiga frame berurutan

Soft thresholding dalam domain wavelet

Citra dengan intensitas yang mirip

Operasi deteksi tepi menggunakan Canny Edge

Citra biner

Hasil binary morphological Operasi Binary Morphological

Segmentasi Obyek Bergerak

Rekonstruksi Dekomposisi citra

Citra pada domain wavelet

(18)

1. Pilih video 2. Pilih

frame

3. Segmentasi per

frame

4. Segmentasi semua

frame

5. Pilihan Alat Filter a. 9/7-10/8 b.

Haar

c. Daubechies

6. Ubah nilai citra ke double

7. Ubah format citra ke YCbCr 8. Ubah ke domain wavelet 9. Soft thresholding

10. Deteksi tepi dengan Canny Edge 11. Operasi binary morphological

12. Union operator 13. Rekonstruksi

PERANCANGAN PERANGKAT LUNAK (FUNGSI-FUNGSI DALAM SISTEM)

KESIMPULAN

(19)

PERANCANGAN PERANGKAT LUNAK (PERANCANGAN ANTAR MUKA)

KESIMPULAN

Toolbar menu

Pilihan alat filter Tampilan

informasi video Tampilan video/

frame terpilih

Tampilan frame (t-1)

Tampilan frame (t+1) Tombol slider pilihan

frame

Tampilan waktu komputasi Tampilan hasil

deteksi tepi

Tampilan hasil operasi morphological

Tampilan hasil segmentasi per

frame

(20)

PERANCANGAN PERANGKAT LUNAK (IMPLEMENTASI ANTAR MUKA)

KESIMPULAN

(21)

Data Uji Coba 1

Video : akiyo.avi Banyak Frame : 300

Index Frame : 79

Alat Filter Wavelet : 9/7-10/8 Nilai threshold : 0,5

KESIMPULAN

SEGMENTASI PER FRAME (9/7-10/8 )

Frame terpilih Hasil segmentasi

(22)

Data Uji Coba 2

Index Frame : 79 Alat Filter Wavelet : Haar Nilai threshold : 0,5

KESIMPULAN

SEGMENTASI PER FRAME (HAAR )

(23)

Data Uji Coba 3

Index Frame : 79

Alat Filter Wavelet : Daubechies Nilai threshold : 0,5

KESIMPULAN

SEGMENTASI PER FRAME (DAUBECHIES )

(24)

Data Uji Coba 1

Video : orangberjalan.avi Banyak Frame : 86

Index Frame : 31

KESIMPULAN

SEGMENTASI PER FRAME (9/7-10/8 )

(25)

Data Uji Coba 2

Index Frame : 31 Alat Filter Wavelet : Haar Nilai threshold : 0,1

KESIMPULAN

SEGMENTASI PER FRAME (HAAR )

(26)

Data Uji Coba 2

Index Frame : 31

KESIMPULAN

SEGMENTASI PER FRAME (DAUBECHIES )

(27)

Data Uji Coba 1

KESIMPULAN

SEGMENTASI SEMUA FRAME (9/7-10/8)

Video inputan Hasil segmentasi

(28)

Data Uji Coba 2

Alat Filter Wavelet : Haar Nilai threshold : 0,1

KESIMPULAN

SEGMENTASI SEMUA FRAME (HAAR)

(29)

Data Uji Coba 3

KESIMPULAN

SEGMENTASI SEMUA FRAME (DAUBECHIES)

(30)

UJI COBA DAN PEMBAHASAN KESIMPULAN

WAKTU KOMPUTASI

0 0,1 0,2 0,3 0,4 0,5 0,6

CDF 9/7 Haar Daubechies

Percobaan 1 Percobaan 2

Percobaan Alat Filter

CDF 9/7 Haar Daubechies

Percobaan 1 0,215 0,25 0,275

Percobaan 2 0,48 0,463 0,551

(31)

 Segmentasi obyek bergerak menggunakan metode Dual Tree Complex Filter Bank menghasilkan pendeteksian yang lebih akurat jika menggunakan filter 9/7-10/8 dan Haar.

 Segmentasi obyek bergerak dengan metode Dual Tree Complex Filter Bank memiliki waktu komputasi yang relatif cepat.

 Filter Daubechies kurang cocok digunakan pada metode Dual Tree Complex Filter Bank.

KESIMPULAN

KESIMPULAN

(32)

 Untuk mendapatkan hasil yang lebih baik, perlu dilakukan uji coba segmentasi menggunakan filter wavelet yang lain, seperti symlets, biorsplines, dan keluarga wavelet yang lain.

 Untuk pengembangan perangkat lunak, uji coba dilakukan menggunakan video yang menampilkan obyek lebih dari satu.

 Uji coba segmentasi menggunakan parameter akurasi yang lebih terukur, misalnya spatial accuracy.

SARAN

KESIMPULAN

(33)

DAFTAR PUSTAKA (1)

1. Agustina, S.E. 2012. “Implementasi Metode Scale Invariant Feature

Transform (SIFT) dan Metode Continuosly Adaptive Mean-Shift (Camshift) pada Penjejakan Objek Bergerak”. Tugas Akhir, Institut Teknologi Sepuluh Nopember.

2. Ahmad, U. 2005. “Pengolahan Citra Digital dan Teknik Pemrogramannya”.

Yogyakarta: Graha Ilmu.

3. Baradarani, Aryaz. 2008. “Moving Object Segmentation Using the 9/7- 10/8 Dual-Tree Complex Filter Bank”. IEEE.

4. Binanto, I. 2010. “Multimedia Digital - Dasar Teori dan Pengembangannya”.

Yogyakarta: Penerbit ANDI.

5. Bovik, Al. 2009. “The Essential Guide to Video Processing”. ELSEVIER.

6. Gonzales, RC. Woods, RE. 2002. “Digital Image Processing”. New Jersey : Prentice Hall, Inc.

7. Hamilton E. 1992. “JPEG File Interchange Format, Version 1.02”. McCarthy:

C-Cube Microsystems.

8. Haslinda, A.S. 2012. “Implementasi Algoritma Block Matching (BMA) pada Ekstraksi Objek Bergerak”. Tugas Akhir, Institut Teknologi Sepuluh

Nopember.

(34)

DAFTAR PUSTAKA (2)

9. Putra, D. 2010. “Pengolahan Citra Digital” Yogyakarta: Penerbit ANDI.

10. Sigit, R. Basuki, A. Ramadijanti, N. Pramadihanto, D. 2005. “Step by Step Pengolahan Citra Digital”. Yogyakarta: Penerbit ANDI.

11. Walker, J. S. 2002. “A Primer on Wavelets and Their Scientific Applications”. London: Taylor & Francis.

(35)