• Tidak ada hasil yang ditemukan

Implementasi Content Based Image Retrieval Menggunakan Speeded-Up Robust Features (SURF)

N/A
N/A
Protected

Academic year: 2017

Membagikan "Implementasi Content Based Image Retrieval Menggunakan Speeded-Up Robust Features (SURF)"

Copied!
2
0
0

Teks penuh

(1)

101

DAFTAR PUSTAKA

Bay, H, Ess A, Tuytelaars, T, Van Gool, L. 2006. SURF: Speeded Up Robust Features. Proceedings of the 9th European Conference on Computer Vision 3951 (1) : 404 – 417.

Devireddy, S.K. 2009. Content Based Image Retrieval. Georgian Electronic Scientific Journal : Computer Science and Telecommunications 2009 22(5). (Online)

http://gesj.internet-academy.org.ge/gesj_articles/1464.pdf(30 November 2015)

IEEE. 1998. Recommended Practice for Software Requirements Specifications IEEE Std 830. Institute of Electrical and Electronics Engineering, Inc.

Kadir, A., Nugroho, L.E, Susanto, A & Santosa. 2011. Leaf Classification Using

Shape, Color, and Texture Features. International Journal of Computer

Applications 29 (9) : 15-22.

Kadir, A. & Susanto, A. 2013. Teori dan Aplikasi Pengolahan Citra. ANDI :

Yogyakarta.

Long, F., Zhang, H., & Feng, D. D. 2003. Fundamentals of Content Based Image

Retrieval, Technological Fundamentals and Applications. NewYork:

Springer- Verlag

Lowe, D. G. 1999. Object recognition from local scale-invariant features.

Proceeding of the International Conference on Computer Vision.

Manning, C. dkk. 2008. An Introduction to Information Retrieval. Cambridge.

Cambridge University Press : England.

Pardede, J. 2013. Implementasi Metode Generalized Vector Space Model pada

Aplikasi Information Retrieval. Skripsi. Teknik Informatika Institut

Teknologi Bandung : Bandung.

Putra, D. 2010. Pengolahan Citra Digital. ANDI : Yogyakarta

Stegmann, M.B. & Gomez, D.D. 2002. A Brief Introduction to Statistical Shape

Analysis (Online) http://www2.imm.dtu.dk/pubdb/views/edoc_download.php

/403/pdf/imm403.pdf (15 Desember 2015)

Sutoyo, T. & Mulyanto, E. 2009. Teori Pengolahan Citra Digital. ANDI

:Yogyakarta.

(2)

102

Setiawan, A.E., 2015. Perbandingan Content Based Image Retrieval dengan Fitur

Warna Menggunakan Metode Colour Histogram dan Fitur Tekstur

Menggunakan Metode Grey Level Co-Occurrence Matrices.

Skripsi.Universitas Sumatera Utara

Tania, K.D. 2010. Pengenalan Gambar Menggunakan Sebagian Data Gambar.

Skripsi. Universitas Sriwijaya

Tuceryan, M. & Jain, A.K. 1998. Texture Analysis Handbook of Pattern

Recognition and Computer Vision. World Scientific Computing Co.

Ulum, M.F. 2013. Ekstraksi Titik-Titik Fitur Pada Citra Menggunakan Speeded

Up Robust Features (SURF) . Skripsi. Universitas Muhammadiyah Jember.

Utami, A.S. 2011. Perancangan Perangkat Lunak Sistem Temu Balik Citra

Menggunakan Jarak Histogram Dengan Model Warna YIQ. Skripsi.

Universitas Sumatera Utara.

Zhang, Y. 2002. On the use of CBIR in Image Mosaic Generation. (Online).

http://webdocs.cs.ualberta.ca/~zaiane/postscript/thesis/YueZhang2002.pdf

(20 Oktober 2015)

Referensi

Dokumen terkait

berdasarkan citra pembuluh darah dengan ekstraksi fitur SURF menggunakan. bahasa pemrograman MATLAB ( Matrix

Perbandingan Content Based Image Retrieval dengan Fitur Warna Menggunakan Metode Colour Histogram dan Fitur Tekstur Menggunakan Metode Grey Level Co-Occurence

Konten Video Berbasis Speeded Up Robust Features.Institut

Dengan adanya keyframe yang dapat mewakili konten penting dalam suatu adegan, maka jumlah informasi yang perlu disimpan untuk sebuah video selama proses indeksing,

Pada tahap ini dilakukan pengumpulan dan analisa data yang berhubungan dengan penelitian ini seperti cara kerja Content Based Video Retrieval (CBVR) dan fungsi

Content Based Video Retrieval memiliki empat tahapan yaitu segmentasi video yang menghasilkan frame – frame, ekstraksi keyframe merupakan tahapan memilih frame kunci dari

Kata Kunci : Video, Citra, Temu Balik, Ekstraksi Fitur, Content Based Video Retrieval (CBVR), Speeded-Up Robust Features (SURF)... IMPLEMENTATION OF CONTENT BASED

Pencocokan fitur, yaitu mencari nilai kemiripan dari setiap titik titik yang menarik antara citra uji dan citra latih dengan menggunakan FLANN, yaitu dengan mencari