vi
ABSTRAK
Temu balik citra ataupun temu balik citra berdasarkan konten gambar adalah bidang terkenal dari penelitian sistem temu balik informasi. Temu balik citra memiliki tugas yang menantang, yang terutama yaitu menerima kembali citra yang memiliki kemiripan atau relevan dari database citra yang besar. Salah satu teknik yang dapat digunakan sebagai solusi untuk menerima kembali citra relevan dalam temu balik citra adalah algoritma Speeded-Up Robust Features (SURF). SURF adalah detektor dan deskriptor fitur citra yang cepat dan kuat. Dan kini banyak digunakan secara luas dalam aplikasi komputer visual, seperti dalam aplikasi temu balik citra. SURF pertama kali dipresentasikan oleh Herbert Bay pada konferensi eropa 2006 tentang Computer Vision dan sebagian terinsiprasi oleh Scale-Invariant Feature Transform (SIFT). Karena SURF hanya dapat memproses citra grayscale, maka citra harus dikonversi dari format RGB ke format grayscale. Titik Interest atau KeyPoint dari koleksi citra direpresentasikan oleh vektor yang kemudian akan dibandingkan menggunakan pengukuran jarak Euclidean Distance. Euclidean Distance digunakan untuk membandingkan kemiripan antara fitur atau ciri dari koleksi citra. Sehingga pada akhirnya, sistem akan menerima kembali citra yang relevan dari database. Parameter yang digunakan untuk mengukur kualitas dari hasil temu balik citra adalah nilai dari Recall, Precision dan Running Time. Berdasarkan hasil pengujian menggunakan 100 gambar, rata-rata nilai Recall terhadap koleksi citra adalah 83% dan Precision 22.29% serta Running Time Similiarity Comparison 30376 ms.
Kata kunci : Citra, Temu Balik, Content Based Image Retrieval (CBIR), Speeded-Up Robust Features (SURF), Euclidean Distance.
vii
IMPLEMENTATION OF CONTENT BASED IMAGE RETRIEVAL ( CBIR ) WITH SPEEDED UP ROBUST FEATURES
( SURF )
ABSTRACT
Image Retrieval (IR) or Content-Based Image Retrieval (CBIR) is a well-known field of research in Information Retrieval System (IRS). Content-Based Image Retrieval (CBIR) has a challenging task which especially retrieves similar or relevant images from the large database. One of the techniques in CBIR as a solution for retrieving relevant images is Speeded Up Robust Features (SURF) Algorithm. SURF is fast and robust feature detector and descriptor for the image. It is vastly used in many computer vision applications such as CBIR applications. It was first presented by Herbert Bay at the 2006 European Conference on Computer Vision and partly inspired by the Scale-Invariant Feature Transform (SIFT). Since SURF works only on grayscale images, therefore the images have to convert from RGB to Grayscale format. Interest points or key points of images are represented by vectors that are compared using Euclidean Distance measures. Euclidean Distance is used to match the similarity among the features of the images. Finally, the system retrieves the matched images from the database. The parameters used for measuring the quality of CBIR result are the value of recall, precision and running time. The test with 100 images has shown that the average percentage value of recall is 83%, precision is 22,29% and running time for similarity comparison is 30376 ms.
Keywords : Image, Retrieval, Content Based Image Retrieval (CBIR), Speeded Up Robust Features (SURF), Euclidean Distance.
