• Tidak ada hasil yang ditemukan

Ekstraksi Dan Seleksi Fitur Untuk Klasifikasi Sel Epitel Dengan Sel Radang Pada Citra Pap Smear

N/A
N/A
Protected

Academic year: 2021

Membagikan "Ekstraksi Dan Seleksi Fitur Untuk Klasifikasi Sel Epitel Dengan Sel Radang Pada Citra Pap Smear"

Copied!
6
0
0

Teks penuh

Gambar

Fig. 1.   (a) Bagian dari citra Papsmear, (b) Peta warna dari Gambar 1.(a).   Untuk  membedakan  sel  epitel  dan  sel  radang  dapat  dilakukan  dengan  menggunakan  algoritma  klasifikasi
Fig. 2.   (a)  Sel  radang,  (b)  Sel  Epitel,  (c)  Segmentasi  sel  radang,  (d)  Segmentasi sel epitel, (e) Segmentasi sel  radang dengan penanda  Major  dan
TABLE I.  F ITUR  B ENTUK TABLE II.  F ITUR  T EKSTUR
TABLE III.  F ITUR  I NTENSITAS Fitur Intensitas  Foreground-Background  contrast in red  JCD4 L I åØ×» F I åØ×º Foreground-Background  contrast in green  JCD) L I ÚåØØá» F I ÚåØØáº Foreground-Background  contrast in blue  JCD$ L I ÕßèØ» F I ÕßèØº
+3

Referensi

Dokumen terkait

Proses ekstraksi fitur dilakukan untuk mendapatkan informasi warna, bentuk dan tekstur dari setiap citra, baik citra yang terdapat pada basis data citra maupun citra

Proses ekstraksi fitur dilakukan untuk mendapatkan informasi warna, bentuk dan tekstur dari setiap citra, baik citra yang terdapat pada basis data citra maupun citra

Penelitian ini mengusulkan kombinasi fitur bentuk berdasarkan deskriptor regional dan fitur tekstur berdasarkan Uniform Rotated Local Binary Pattern (uRLBP) yang invariant

Berdasarkan hasil pengujian, hasil penggabungan beberapa fitur bentuk deskriptor region al sederhana dan fitur tekstur Local Binary Pattern Histogram Fourier (LBP-HF) dapat

Seleksi Fitur Untuk Sistem Temu Kembali Citra Setelah mendapatkan fitur tekstur dan fitur bentuk dari hasil ekstraksi fitur, maka dilakukan proses untuk memilih fitur

Dari hasil penelitian dapat disimpulkan bahwa fitur tekstur, khususnya untuk fitur tekstur yang diperoleh dari analisis distribusi statistik dari intensitas citra yakni

Rencana uji coba yang akan dilakukan adalah mulai pada tahap preprocessing, normalisasi data, ekstraksi fitur (warna, tekstur dan bentuk), penggabungan hasil

Pada penlitian ini, diusulkan Algoritma Random Forest dengan kombinasi 3 ekstraksi fitur yaitu fitur warna, fitur Hu-Moment, dan fitur haralick pada citra penyakit daun tomat dengan