APLIKASI TRANSFORMASI HOUGH
UNTUK EKSTRAKSI FITUR IRIS MATA MANUSIA
Murinto
1)Rusydi Umar
2)Burhanuddin
3)1,2,3)
Teknik Informatika Universitas Ahmad Dahlan
Kampus III UAD Jl.Prof.Soepomo Janturan Jogjakarta email : [email protected]
ABSTRACT
Teknologi biometrik adalah sistem yang menggunakan bagian tubuh manusia untuk identitas pribadi seseorang. Teknologi ini menggunakan bagian tubuh manusia yang unik dan tetap. Pada saat tahap pengoperasian, pemindai biometrik menangkap karakteristik yang akan diidentifikasi dan diubah menjadi format digital..Iris mata memiliki kekonsistenan dan kestabilan yang tinggi bertahun-tahun tanpa mengalami perubahan. Salah satu metode yang dapat digunakan untuk mengekstraksi fitur iris mata adalah dengan metode transformasi Hough.
Penelitian ini hanya membahas bagaimana mengekstraksi fitur iris mata menggunakan transformasi hough, tidak sampai deteksi atau pengenalan pola iris mata manusia. Langkah awal untuk mengimplementsaikan metode transformasi Hough adalah dengan proses deteksi tepi menggunakan operator canny, dilanjutkan dengan proses transformasi Hough untuk mencari bagian iris dari citra mata tersebut dan ditampilkan histogramnya serta running Time proses secara keseluruhan.
Hasil penelitian menunjukkan bahwa Pendeteksian tepi menggunakan operator canny menghasilkan citra hasil deteksi tepi yang sangat optimal.
Key words
Ekstraksi Fitur, Iris Mata, Transformasi Hough.
1. Pendahuluan
Pesatnya kemajuan teknologi sekarang, ditandai dengan penggunaan komputer sebagai sarana untuk membantu manusia dalam mengerjakan tugas-tugasnya agar lebih efisien baik waktu, biaya, ataupun tenaga. Salah satunya yaitu perkembangan dibidang teknologi biometrik. Teknologi biometrik adalah sistem yang menggunakan bagian tubuh manusia untuk identitas pribadi seseorang. Teknologi ini menggunakan bagian tubuh manusia yang unik dan tetap.
Secara logika sistem sistem biometrik dibagi menjadi dua modul yaitu modul pendaftaran dan modul identifikasi. Modul pendaftaran berfungsi untuk mengambil data dari individu dan menyimpannya ke dalam sistem. Pada saat pendaftaran, karakteristik biometrik dipindai terlebih dahulu oleh sebuah pemindai biometrik untuk menghasilkan sebuah representasi digital yang belum diolah. Untuk dapat digunakan dalam proses pencocokan, representasi digital tersebut diproses lebih lanjut dengan mengekstraksi fitur tertentu untuk mendapatkan representasi yang cukup untuk mewakilinya yang disebut sebagai template.
Berbeda dengan sistem biometrik sidik jari yang rentan terhadap perubahan, penggunaan sistem biometrik iris mata manusia lebih baik karena bentuk dari iris mata manusia dapat bertahan dalam waktu yang sangat lama. Iris mata memiliki kekonsistenan dan kestabilan yang tinggi bertahun-tahun tanpa mengalami perubahan. Dari kondisi ini, maka para ahli mata mengusulkan bahwa selaput iris ini dapat dijadikan identitas pribadi seseorang.
Sistem yang didasarkan pada bagian iris mata, sangat dipertimbangkan untuk menawarkan tingkat keamanan terbaik. Salah satu metode yang dapat digunakan untuk mengekstraksi fitur iris mata adalah dengan metode transformasi Hough. Transformasi Hough adalah teknik yang dapat digunakan untuk memisahkan suatu bagian dari bentuk geometris tertentu di dalam citra seperti bentuk garis atau lingkaran. Metode ini digunakan karena bagian dalam dan luar iris mata berbentuk lingkaran.
2. EKSTRASI FITUR MATA
2.1. DETEKSI TEPI (Edge Detection)
Penentuan tepian suatu objek dalam citra merupakan salah satu wilayah pengolahan citra digital yang paling awal dan paling banyak diteliti. Proses ini seringkali ditempatkan sebagai langkah pertama dalam aplikasi segmentasi citra, yang bertujuan untuk mengenali objek-objek yang terdapat dalam citra ataupun konteks citra secara keseluruhan. Deteksi tepi berfungsi untuk mengidentifikasi garis batas (boundary) dari suatu objek yang terdapat pada citra. Tepian dapat dipandang sebagai lokasi piksel dimana terdapat nilai perbedaan intensitas citra secara ekstrem. Sebuah edge detector bekerja dengan cara mengidentifikasi dan menonjolkan lokasi-lokasi piksel yang memiliki karakteristik tersebut.
Berbeda dengan operator gradient dan operator laplacian, operator Canny tidak menggunakan kernel dan deteksi citra yang dihasilkanpun relatif tanpa derau. Proses deteksi tepi dengan operator Canny yaitu citra asal dihaluskan menggunakan filter Gaussian, kemudian dilanjutkan dengan menghitung gradien yang paling besar untuk mendapatkan nilai derivative parsial (tingkat perubahan dari beberapa kuwantitas nilai). Pada pendekatan ini suatu titik tepi dikenalkan dan dilakukan pemilihan untuk titik dengan intensitas yang tingg yang disebut dengan proses Non maxima suppression. Untuk menghasilkan citra hasil deteksi tepi dengan sedikit derau maka digunakan pengambangan ganda untuk menghubungkan tepinya.
2.1. Transformasi Hough
Transformasi Hough (Hough Transform) adalah teknik yang dapat digunakan untuk memisahkan suatu bagian dari bentuk tertentu di dalam citra.
Pada transformasi Hough standar, bentuk yang diinginkan harus dinyatakan dalam sejumlah parameter tertentu. Karena itu transformasi Hough standar umumnya digunakan untuk mendeteksi kurva yang berbentuk teratur seperti garis, lingkaran, ellips, dan sebagainya. Transformasi Hough yang (GHT) dapat digunakan untuk mendeteksi bentuk yang sulit dideskripsikan secara sederhana, namun memerlukan kompleksitas komputasional yang tinggi. Meskipun domainnya lebih terbatas, namun transformasi Hough standar masih tetap banyak digunakan,karena kebanyakan komponen-komponen manufaktur maupun anatomi yang diteliti di dunia medis mengandung bentuk-bentuk yang dapat dideskripsikan sebagai kurva biasa. Keunggulan utama dari teknik transformasi Hough adalah sifatnya yang toleran terhadap adanya celah (gap) pada bentuk yang dideteksi, dan relatif tidak terpengaruh oleh adanya noise pada citra
3.METODOLOGI PENELITIAN
Subyek dalam penelitian ini adalah mengaplikasikan transformasi Hough dengan menggunakan deteksi tepi canny untuk ekstraksi fitur iris citra mata manusia. Aplikasi ini mencakup antara lain menghitung kecepatan waktu (Running Time) proses ekstraksi fitur iris mata manusia dari citra mata digital. Adapun proses data digambarkan dalam bentuk Data Flow Diagram ( DFD ).
Batas nilai radius Citra Mata Yang telah terdeteksi bagian irisnya
Citra mata keabuan User
1
Ekstraksi Fitur Iris
+
Gambar 1. Diagram konteks proses ekstraksi fitur citra mata
Diagram konteks pada gambar 1. memberikan gambaran bahwa sistem berinteraksi dengan 1 terminator, yaitu seorang pengguna (user). Tanda panah menunjukkan komponen masukan dan keluaran sistem. Seorang pengguna memasukkan data berupa citra mata keabuan dan batasan nilai radius. Data ini nantinya akan digunakan untuk mengekstraksi fitur iris dari citra mata.
[Batas nilai radius] [Citra Mata Yang telah terdeteksi bagian irisnya] [Citra mata keabuan]
Piksel tepi Piksel tepi 1.1 Deteksi Tepi Canny 1.2 Transformasi Hough +
Citra Hasil Deteksi Tepi Canny User
User
User
Gambar 2. DFD level 1 Proses ekstraksi fitur iris
4. Hasil Percobaan
Dalam penelitian untuk ekstraksi fitur citra iris mata manusia ini terdapat bagian program untuk memanggil fungsi untuk deteksi tepi citra menggunakan operator canny. Pada program ini perhitungan waktu dimulai serta pemberian nilai ambang dan nilai standar deviasi. Thresh adalah pengambangan (threshold) dalam program ini digunakan 2 batas pengambangan yaitu batas atas dan batas bawah, batas atas menggunakan nilai 0,45 dan batas bawah menggunakan nilai 0,2. Sigma adalah standar deviasi yang digunakan pada Gaussian filter. Tic adalah dimulainya perhitungan waktu proses ekstraksi fitur citra mata.
Gambar 3. Citra hasil dari deteksi tepi Canny. Program untuk melakukan ekstraksi fitur citra mata menggunakan transformasi Hough. Pada program ini terdapat beberapa langkah yaitu: penentuan radius, inisialisasi ukuran citra , transformasi Hough, dan rekonstruksi citra. Dengan di-eksekusinya perintah ekstraksi fitur citra mata menggunakan transformasi Hough , program akan menginisialisasi radius penelusuran bentuk lingkaran dalam citra mata. Dalam program ini manggunakan
bats nilai radius 100 dan 40. Setelah program selesai melakukan inisialisasi ukuran citra, program akan memasukan nilai-nilai tersebut kedalam transformasi Hough. Dari tansformasi ini dilanjutkan dengan penggabungan nilai-nilai lingkaran dalam citra yang kemudian nilai tersebut direkonstruksikan kembali kedalam citra awal dengan inisialisasi radius dan hasilnya dimasukan dalam fungsi circimg. Toc berfungsi untuk mengakhiri perhitungan waktu proses. Hasil perhitungan waktu proses akan ditampilkan edit text dalam program.
Gambar 4. Tampilan hasil ekstraksi fitur. Secara visual dengan mata kita, hasil yang diperoleh dari deteksi tepi Canny pada seluruh citra uji sangat bebeda, tetapi kalau diamati hasil dari deteksi tepi tersebut menghasilkan citra yang relatif tanpa derau.
citra1.bmp citra2.bmp citra3..bmp
citra4.bmp citra5.bmp Gambar 5 . Citra hasil deteksi tepi Ekstraksi fitur dilakukan berdasarkan hasil dari penelusuran citra mata hasil deteksi tepi canny yang nilainya dikembalikan pada citra awal. Hasil dari masing-masing citra uji yang telah diekstraksi fitur bagian Iris nya dapat dilihat pada gambar 6.
citra_1.bmp citra_2.bmp citra_3.bmp
citra_4.bmp citra_5.bmp Gambar 6. Citra hasil ekstraksi fitur.
Sedangkan Running Time dari masing masing citra uji dapat dilihat pada table.1.
Tabel 1. Running time citra uji
Citra Mata Waktu Ekstraksi ( detik )
Citra_1.bmp 4.5781 Citra_2.bmp 4.72166 Citra_3.bmp 5.74998 Citra_4.bmp 4.913 Citra_5.bmp 4.78794
Dari hasil diatas tidak terdapat perbedaan waktu yang besar dalam melakukan proses ekstraksi fitur mata. Hal ini terjadi karena hasil dari deteksi tepi menggunakan metoda canny menghasilkan citra yang relatif tanpa derau.
Histogram menggambarkan histogram citra asli, citra hasil deteksi canny dan citra hasil transformasi Hough. Perbedaan terdapat pada derah tumpukan histogram (gunung dan lembah) antara citra asli dengan citra hasil deteksi canny karena citra hasil deteksi canny merupakan citra biner yang memiliki nilai 0 dan 1 sedangkan citra asli merupakan citra keabuan yang memiliki nilai antara 0 dengan 255 perbedaan histogram juga terjadi antara citra asli dengan citra hasil transformasi Hough, tetapi perbedaanya sangat kecil hanya pada daerah yang telah terdeteksi. Hali ini karena nilai yang didapat dari transformasi Hough dikembalikan lagi pada citra aslinya.
Gambar 7. Histogram Citra_1.bmp. Citra uji yang digunakan terdiri dari Citra_1.bmp,Citra_2.bmp,Citra_3.bmp, Citra_4.bmp dan Citra_5.bmp. Citra tersebut di-load dan ditampilkan pada program. Kemudian dilakukan proses ekstraksi fitur menggunakan transformasi Hough. Parameter yang perlu dicatat adalah hasil ekstraksi secara visual mata dan running time. Apabila citra yang akan diproses bukan merupakan citra mata, tetapi citra keabuan yang didominasi oleh bentuk lingkaran maka program akan tetap
mendeteksi lingkaran dalam citra tersebut seperti terlihat dalam gambar 8.
Gambar 8. Transformasi bukan citra mata Pengujian ini dilakukan untuk memperlihatkan bahwa fungsi-fungsi bekerja dengan baik, dalam artian masukan diterima dengan benar dan menghasilkan keluaran benar-benar tepat. Uji Black-box dilakukan oleh orang-orang yang familiar dengan analisis citra, khususnya dosen serta mahasiswa teknik informatika maupun ilmu komputer.
5. Kesimpulan
Berdasarkan hasil penelitian maka dapat disimpulkan hal-hal sebagai berikut:
1. Pendeteksian tepi menggunakan operator canny menghasilkan citra hasil deteksi tepi yang optimal. Hal ini ditandai dengan hasil yang didapatkan berupa citra yang relatif tanpa derau.
2. Running time yang diperlukan dalam mengolah citra mata tidak jauh berbeda untuk setiap citra. 3. Tumpukan histogram (gunung dan lembah) antara
citra asli dengan citra hasil tidak jauh bebeda. Hal ini karena nilai yang didapat dari transformasi Hough dikembalikan lagi pada citra aslinya.
REFERENSI
[1] Achmad Balza. dan Firdusy Kartika., 2005, Teknik Pengolahan Citra Digital Menggunakan Delphi, Ardi Publishing, Yogyakarta.
[2] Gillies, D. F. and C.S., 2004, Feature Extraction for Biometric Recognition, Computing Science University, London [3] Iqbal, A, M. dan Haryadi, Sigit, Implementasi
dan Analisis Performansi Autentikasi Sistem Biometrik Sidik jari, ITB, Bandung
[4] Mohan Shrikanth., Iris Recognition for Personal Identification, Clemson University [5] Munir Renaldi., 2004, Pengolahan Citra
Digital, Informatika, Bandung
[6] Rafael C. Gonzalez and Richard E, Wood, 2004, Digital Image Processing, Pearson Education, Singapore
[7] Sutarno., 2004, 3D Face Recognition Using longitudinal Section and Transection, Tesis, ITB, Bandung
