PENGUKURAN TINGKAT KEKONTRASAN BASISDATA WAJAH MENGGUNAKAN METODE EBCM
1Budi Nugroho
1Program Studi Teknik Informatika, Fakultas Ilmu Komputer Universitas Pembangunan Nasional ”Veteran” Jawa Timur
Jalan Raya Rungkut Madya Gunung Anyar Surabaya Email: 1[email protected]
Abstrak. Tingkat kekontrasan citra seringkali sulit diukur melalui penglihatan visual mata manusia.
Pengukuran secara kuantitatif sangat diperlukan untuk memastikan seberapa besar tingkat kekontrasan sebuah citra, dalam hal ini berkaitan dengan citra wajah. Pada penelitian ini, citra wajah diukur nilai kontrasnya menggunakan metode Edge Based Contrast Measure (EBCM). Citra wajah yang digunakan berdasarkan basisdata Yale Face Database B Cropped. Tingkat kekontrasan sendiri dipengaruhi oleh sudut pencahayaan, yaitu arah sumber cahaya pada wajah saat pengambilan citra. Berdasarkan uji coba yang telah dilakukan, diperoleh kesimpulan bahwa sudut pencahayaan berpengaruh terhadap tingkat kekontrasan citra.
Ini berlaku pada kumpulan citra pada rentang sudut pencahayaan tertentu. Secara lebih rinci, sudut pencahayaan tidak selalu berbanding lurus dengan kekontrasan citra. Sehingga pada penelitian ini diusulkan pembagian subset citra berdasarkan tingkat kekontrasan citra.
Kata Kunci: Citra Wajah, Faktor Iluminasi, Tingkat Kekontrasan, dan EBCM.
Proses pengenalan wajah sangat dipengaruhi oleh sejumlah faktor, seperti ekspresi wajah, gender, posisi wajah dari kamera, pengaruh pencahayaan, adanya noise, perubahan fisik wajah karena faktor usia, adanya atribut pada area wajah, dan sebagainya [1]. Pada penelitian ini, fokusnya adalah pada citra wajah yang dipengaruhi oleh faktor iluminasi (kondisi wajah yang diakibatkan oleh pencahayaan yang mengarah ke bagian wajah), dimana memberikan dampak yang sangat signifikan terhadap kinerja pengenalan wajah [02].
Berkaitan dengan faktor iluminasi, banyak penelitian yang telah dilakukan dimana masih sulit untuk mencapai tingkat kehandalan optimal [03][04][05]. Sehingga penelitian berkaitan dengan hal ini masih terus dilakukan, termasuk pada penelitian ini, yang fokusnya pada tingkat kekontrasan citra yang diakibatkan oleh pengaruh pencahayaan.
Tingkat kekontrasan citra seringkali sulit diukur melalui penglihatan visual mata manusia. Pengukuran secara kuantitatif sangat diperlukan untuk memastikan seberapa besar tingkat kekontrasan sebuah citra, dalam hal ini berkaitan dengan citra wajah. Ada sejumlah metode yang dikembangkan untuk mengukur kekontrasan citra. Pada penelitian ini, tingkat kekontrasan
citra menggunakan metode Edge Based Contrast Measure / EBCM [06].
Permasalahan
Permasalahan pada penelitian ini adalah:
1. Bagaimana mengukur tingkat kekontrasaan citra.
2. Bagaimana mengetahui pengaruh sudut pencahayaan terhadap tingkat kekontrasan citra.
Tujuan Penelitian
Tujuan yang ingin dicapai pada penelitian ini adalah mengklasifikasikan citra wajah berdasarkan tingkat kekontrasan citra.
Hal ini penting sebagai dasar pada penelitian selanjutnya berkaitan dengan proses pengenalan wajah. Kinerja pengenalan wajah sangat dipengaruhi oleh tingkat kekontrasan citra wajah, pada berkaitan dengan data untuk proses training maupun proses pengujian.
Sehingga nantinya dapat dikembangkan secara lebih jauh usaha yang perlu dilakukan untuk meningkatkan kinerja sistem pengenalan wajah.
I. Metodologi
Penelitian ini akan mengukur tingkat kekontrasan citra wajah mengunakan metode Edge Based Contrast Measure (EBCM). Citra yang digunakan adalah citra wajah pada salah satu basisdata citra standar, yaitu Yale Face Database B Cropped. Basisdata ini membagi kumpulan citranya untuk setiap individu menjadi beberapa subset berdasarkan sudut pencahayaan pada citra saat proses akuisisi.
Pada penelitian ini, diusulkan penentuan subset citra wajah didasarkan pada tingkat kekontrasan citra. Pada sistem pengenalan wajah, faktor kekontrasan citra memiliki pengaruh yang besar pada kinerjanya.
Metode Pengukuran Kekontrasan Citra
Untuk mengukur tingkat kekontrasan citra, pada penelitian ini digunakan metode Edge Based Contrast Measure (EBCM).
Pendekatan ini menggunakan teknik analisis lokal tingkat keabuan tepi pada suatu citra.
Prinsip utama dari metode ini adalah menggabungkan metode Gordon dan teori tentang operator deteksi kontur citra. Metode ini kurang sensitif terhadap efek digitalisasi dan noise.
Pada penelitian ini, setiap citra wajah akan diukur tingkat kekontrasannya secara kuantitatif. Semakin besar nilai kontras yang dihasilkan, maka semakin tinggi pula tingkat kekontrasan citra tersebut.
Basisdata Citra Wajah
Salah basisdata citra wajah standar yang banyak digunakan para peneliti berkaitan dengan bidang pengenalan wajah adalah Yale Face Database B [07]. Salah satu citra wajah ditunjukkan pada gambar 1.a, dimana citra terdiri atas obyek wajah seluruh bagian kepala, dengan tampak sebagian leher dan tampak sebagian obyek latar belakangnya. Pada penelitian ini, citra difokuskan pada bagian inti wajah (daerah antara alis mata hingga bibir dan antara kedua pipi) sebagaimana ditunjukkan pada gambar 2.b. Selanjutnya kumpulan citra wajah yang fokus pada daerah inti wajah ini dinamakan Yale Face Database B Cropped.
Gambar 1. Contoh citra wajah dari individu yang sama pada Yale Face Database B dan Yale Face
Database B Cropped
Setiap individu pada basisdata citra wajah ini memiliki sejumlah variasi posisi.
Setiap variasi posisi memiliki 64 variasi iluminasi. Gambar 2 menunjukkan 64 variasi iluminasi pada wajah dengan posisi frontal (pengambilan citra dari arah depan) dan ekspresi netral.
Gambar 2. Salah satu individu pada Yale Database B Cropped dengan 64 variasi iluminasi
pada posisi netral (frontal)
Setiap individu dengan variasi iluminasi ini dibagi menjadi 5 subset citra yang didasarkan pada sudut pencahayaan (arah sumber cahaya) saat pengambilan citra wajah. Sudut pencahayaan yang berbeda menhasilkan kondisi iluminasi yang berbeda pula pada citra. Tabel 1 menunjukkan pembagian citra wajah untuk setiap individu menjadi 5 subset. Subset 1 hingga 5 menunjukkan kecenderungan kondisi iluminasi yang semakin ekstrim.
Tabel 1. Subset citra pada Yale Face Database B Cropped
Sub set
Sudut Pencahayaan
Nomor Citra
Kondisi Iluminasi
1 0-12˚ 01-07 Very Normal
2 13-25˚ 08-19 Normal
3 26-50˚ 20-31 Moderate
4 51-77˚ 32-45 Extreme
5 > 77˚ 46-64 Very Extreme Skenario Uji Coba
Uji coba dilakukan dengan mengukur kekontrasan citra wajah menggunakan metode EBCM. Semakin besar nilai yang dihasilkan, berarti tingkat kekontrasan citra semakin besar. Sebaliknya, semakin kecil nilainya, semakin kecil (ekstrim) kekontrasan citra.
Pada penelitian ini, uji coba dilakukan hanya pada salah satu individu pada semua variasi iluminasinya. Selanjutnya setiap subset citra akan dihitung rata-rata nilai kontras citra. Sehingga akan diketahui apakah sudut pencahayaan berbanding lurus dengan tingkat kekontrasan citra.
Berdasarkan nilai kontras semua citra, nantinya diurutkan dari citra dengan nilai kontras tertinggi sampai dengan citra degan nilai kontras terendah. Kemudian diusulkan pembagian subset sesuai urutan tersebut.
II. Hasil dan Pembahasan
Berdasarkan uji coba yang telah dilakukan, diperolah nilai kontras untuk 64 citra, sebagaimana ditunjukka pada tabel 2-6.
Pada subset 1, nilai kontras setiap citra ditunjukkan pada tabel 2. Rata-rata nilai kontras citra adalah 102,14.
Tabel 2. Nilai Kontras Citra Subset 1 Citra
Wajah Nilai Kontras Rata-rata Nilai Kontras
01 94,52
102,14
02 121,19
03 63,99
04 102,83
05 114,51
06 102,34
07 115,61
Pada subset 2, nilai kontras setiap citra ditunjukkan pada tabel 3. Rata-rata nilai kontras citra adalah 85,63.
Tabel 3. Nilai Kontras Citra Subset 2 Citra
Wajah Nilai Kontras Rata-rata Nilai Kontras
08 78,89
85,63
09 91,93
10 69,52
11 83,51
12 107,90
13 100,20
14 89,64
15 110,87
16 73,62
17 95,44
18 90,51
19 35,50
Pada subset 3, nilai kontras setiap citra ditunjukkan pada tabel 4. Rata-rata nilai kontras citra adalah 67,79.
Tabel 4. Nilai Kontras Citra Subset 3 Citra
Wajah Nilai Kontras Rata-rata Nilai Kontras
20 86,52
67,79
21 58,67
22 41,97
23 88,62
24 44,65
25 23,48
26 87,69
27 92,61
28 73,82
29 50,86
30 82,79
31 81,77
Pada subset 4, nilai kontras setiap citra ditunjukkan pada tabel 5. Rata-rata nilai kontras citra adalah 47,98.
Tabel 5. Nilai Kontras Citra Subset 4 Citra
Wajah Nilai Kontras Rata-rata Nilai Kontras
32 46,13
47,98
33 31,27
34 50,22
35 80,93
36 40,44
37 69,57
38 55,25
39 62,79
40 31,88
41 32,08
42 52,84
43 46,48
44 32,98
45 38,87
Sedangkan pada subset 5, nilai kontras setiap citra ditunjukkan pada tabel 6. Rata- rata nilai kontras citra adalah 20,00.
Tabel 6. Nilai Kontras Citra Subset 5 Citra
Wajah Nilai Kontras Rata-rata Nilai Kontras
46 5,98
20,00
47 30,71
48 46,88
49 37,28
50 48,13
51 28,80
52 34,36
53 17,94
54 24,70
55 14,57
56 16,74
57 16,15
58 15,00
59 11,30
60 3,25
61 9,01
62 12,25
63 3,28
64 3,65
Berdasarkan tabel 2-6, sudut pencahayaan ternyata memang berbanding lurus dengan tingkat kekontrasan citra.
Sehingga secara umum, pembagian subset pada basisdata citra wajah cukup relevan.
Tetapi jika dianalisis secara lebih rinci pada setiap citra, terlihat sudut pencayahaan tidak
selalu berbanding lurus dengan kekontrasan citra.
Pada penelitian ini, citra wajah diurutkan berdasarkan nilai kontras, sebagaimana ditunjukkan pada tabel 7-11.
Tabel 7 menunjukkan 12 citra dengan nilai kontras paling tinggi, dimana rata-rata nilai kontras citra adalah 104,16. Selanjutnya, kumpulan citra ini diusulkan menjadi subset 1.
Tabel 7. Nilai Kontras Citra Subset 1 (usulan) Citra
Wajah
Nilai
Kontras Subset Rata-rata Nilai Kontras 02 121,19
1 104,16
07 115,61 05 114,51 15 110,87 12 107,90 04 102,83 06 102,34 13 100,20
17 95,44
01 94,52
27 92,61
09 91,93
Pada tabel 8, ada 13 citra yang juga hasil pengurutan berdasarkan nilai kontras tertinggi setelah kumpulan citra pada subset 1, yang dikelompokkan menjadi subset 2.
Rata-rasa nilai kontras pada kumpulan citra ini adalah 82,14.
Tabel 8. Nilai Kontras Citra Subset 2 (usulan) Citra
Wajah
Nilai
Kontras Subset Rata-rata Nilai Kontras
18 90,51
2 82,14
14 89,64
23 88,62
26 87,69
20 86,52
11 83,51
30 82,79
31 81,77
35 80,93
08 78,89
28 73,82
16 73,62
37 69,57
Pada tabel 9, ada 13 citra yang juga hasil pengurutan berdasarkan nilai kontras tertinggi setelah kumpulan citra pada subset 2, yang dikelompokkan menjadi subset 3.
Rata-rasa nilai kontras pada kumpulan citra ini adalah 53,57.
Tabel 9. Nilai Kontras Citra Subset 3 (usulan) Citra
Wajah
Nilai
Kontras Subset Rata-rata Nilai Kontras
10 69,52
3 53,57
03 63,99
39 62,79
21 58,67
38 55,25
42 52,84
29 50,86
34 50,22
50 48,13
48 46,88
43 46,48
32 46,13
24 44,65
Pada tabel 10, ada 13 citra yang juga hasil pengurutan berdasarkan nilai kontras tertinggi setelah kumpulan citra pada subset 3, yang dikelompokkan menjadi subset 4.
Rata-rasa nilai kontras pada kumpulan citra ini adalah 33,91.
Tabel 10. Nilai Kontras Citra Subset 4 (usulan) Citra
Wajah
Nilai
Kontras Subset Rata-rata Nilai Kontras
22 41,97
4 33,91
36 40,44
45 38,87
49 37,28
19 35,50
52 34,36
44 32,98
41 32,08
40 31,88
33 31,27
47 30,71
51 28,80
54 24,70
Pada tabel 11, ada 13 citra yang juga hasil pengurutan berdasarkan nilai kontras tertinggi setelah kumpulan citra pada subset 4, yang dikelompokkan menjadi subset 5.
Rata-rasa nilai kontras pada kumpulan citra ini adalah 11,74.
Tabel 11. Nilai Kontras Citra Subset 5 (usulan) Citra
Wajah
Nilai
Kontras Subset Rata-rata Nilai Kontras
25 23,48
5 11,74
53 17,94
56 16,74
57 16,15
58 15,00
55 14,57
62 12,25
59 11,30
61 9,01
46 5,98
64 3,65
63 3,28
60 3,25
Keseluruhan citra yang dibagi menjadi 5 subset berdasarkan nilai kontrasnya ditunjukkan pada tabel 12.
Tabel 12. Pembagian Subset pada Yale Face Database B Cropped berdasarkan urutan nilai
kontras citra Sub
set
Nomor Citra
Kondisi Iluminasi
Rata-rata Nilai Kontras 1
02, 07, 05, 15, 12, 04, 06, 13, 17, 01, 27, 09
Very
Normal 104,16
2
18, 14, 23, 26, 20, 11, 30, 31, 35, 08, 28, 16,
37
Normal 82,14
3
10, 03, 39, 21, 38, 42, 29, 34, 50, 48, 43, 32,
24
Moderate 53,57
4
22, 36, 45, 49, 19, 52, 44, 41, 40, 33, 47, 51,
54
Extreme 33,91
5
25, 53, 56, 57, 58, 55, 62, 59, 61, 46, 64, 63,
60
Very
Extreme 11,74
III. Simpulan
Berdasarkan hasil uji coba pada penelitian ini diperoleh kesimpulan sebagai berikut:
1. Sudut pencahayaan berpengaruh terhadap tingkat kekontrasan citra. Ini berlaku pada kumpulan citra pada rentang sudut pencahayaan tertentu.
2. Secara lebih rinci, sudut pencahayaan tidak selalu berbanding lurus dengan kekontrasan citra.
Ke depannya, penelitian ini dapat dikembangkan pada proses pengenalan wajah dengan uji coba pada citra wajah berdasarkan tingkat kekontrasannya. Sehingga dapat diketahui secara lebih terukur pengaruh tingkat kekontrasan citra pada kinerja pengenalan wajah.
IV. Daftar Pustaka
[1] S. Gong, Shaogang., S.J. McKenna, and A. Psarrou, “Dynamic Vision: From Images to Face Recognition,” Imperial College Press, London, 2000.
[2] M. Singha and A.S. Arora, "Varying Illumination and Pose Conditions in Face Recognition," Procedia Computer Science, 2016.
[3] D. Blackburn, M. Bone, and P. J.
Philips. Facial recognition vendor test 2000: evaluation report, 2000.
[4] R. Gross, J. Shi, and J. Cohn. Quo vadis face recognition? In Third Workshop on Empirical Evaluation Methods in Computer Vision, 2001.
[5] P. J. Phillips, P. Grother, J. Ross, D.
Blackburn, E. Tabassi, and M. Bone.
Face recognition vendor test 2002:
Evaluation report, March 2003.
[6] A. Beghdadi, A.L. Negrate, “Contrast enhancement technique based on local detection of edges,” Computer Vision Graphics Image Processing, Vol. 46, No.
2, pp. 162–174, 1989.
[7] A.S. Georghiades, P.N. Belhumeur, and D. J. Kriegman, “From Few to Many:
Illumination Cone Models for Face Recognition under Variable Lighting and Pose,” IEEE Transactions on Pattern Analysis and Machine Intelligence, 2001.
