Path: Top > S1-Final_Project > Fakultas_Teknik_dan_Ilmu_Komputer > Teknik_Informatika > 2014

Implementasi Neural Network Menggunakan HU Invariant Moment Untuk Mengenali Objek Tersebar

2014
Undergraduate Theses from JBPTUNIKOMPP / 2014-10-28 10:21:36
By : Restu Suhendar NIM.10110014, Perpustakaan UNIKOM (restu.suhendar@gmail.com)
Created : 2014-10-28, with 12 files

Keyword : Neural Network, Hu Invariant Moment, Citra Digital, Objek Tersebar
Url : http://alumni.unikom.ac.id

Objek dalam citra digital memiliki bentuk dan posisi yang berbeda┬ľbeda, selain itu objek tersebar dalam sebuah citra digital memungkinkan memiliki beragam perbedaan translasi, mempunyai beragam perbedaan rotasi, serta penskalaan citra. Neural Network Backpropagation merupakan salah satu Algoritma Machine Learning yang dapat mengenal pola dan mengidentifikasi suatu objek citra berdasarkan pelatihan yang diberikan. Implementasi Neural Network ketika digunakan untuk citra yang memiliki beragam translation, scaling dan rotasi tanpa dimanipulasi terlebih dahulu memungkinkan terjadinya proses learning yang memerlukan jumlah sampel yang cukup banyak bahkan dalam segi keakurasian memungkinkan terjadinya kegagalan dalam pengambilan keputusan mengenali objek. Hu Invariant Moment memungkinkan dijadikan sebagai solusi perbaikan algoritma dari masalah tersebut. Nilai-nilai yang dihasilkan dari Hu Invariant Moment ini terdiri dari tujuh nilai yang menidentifikasikan ciri dari sebuah objek citra digital. Nilai-nilai tersebut bersifat independen terhadap translasi, rotasi dan penskalaan. Objek yang dikenali berupa objek yang memiliki ciri empat corner dan terhubung dengan tepinya atau bisa disebut kotak. Pemisahan objek dari citra penuh dilakukan dengan cara mendeteksi corner dengan algoritma harris dan mendeteksi tepi dengan algoritma canny. Setelah corner dan tepi pada citra ditemukan dilakukan penelusuran untuk setiap corner pada tepi guna mencari empat corner yang terhubung kemudian dipisahkan dari latar belakangnya. Setiap objek yang didapat dihitung tujuh nilai Hu Invariant Moment-nya. Nilai-nilai ini dimanfaatkan sebagai informasi tiap objek untuk masukan dari Machine Learning guna mengenali suatu objek. Pengujian akurasi dari penggabungan algoritma Neural Network Backpropagation dan Hu Invariant Moment menggunakan metode K-Fold Cross Validation. Objek yang digunakan sebagai pengujian sebanyak 32 objek citra yang memiliki beragam translasi, rotasi dan penskalaan. 32 objek citra tersebut terdiri dari 4 objek beda yang diambil dari 8 file. Hasil akurasi terbaik yang didapatkan dari pengujian tersebut adalah 87,5%. Sehingga bisa disimpulkan Neural Network dan Hu Invariant Moment bisa diimplementasikan dan memiliki akurasi yang cukup baik.

Description Alternative :

Object in the digital image has different shape and position, other than that scattered objects in a digital image enables to have a variety of differences in translation, has a variety of different rotations, and scaling of image. Backpropagation Neural Network is one of the Machine Learning algorithm that can recognize patterns and identify an object image based on the training given. neural network when it used in the image that have a variety of translation, scaling and rotation without manipulation allows the learning process that requires much number of samples even in the accuracy aspect causing the failure to recognize object in decision making. Hu Invariant Moment allows algorithm be used as a repair solution of the problem. The resulting values of Hu Invariant Moment consists of seven values that identifies the characteristics of a digital image of the object. These values are independent of translation, rotation and scaling. Recognizable objects are objects that have the characteristic four corner and connected with the edges or can be called square. separation of objects from full images is done by corner detection with harris algorithm and edge detection with canny algorithm. After corner and edge in image found is done search for each corner on the edge to find four corners that connected then separated from background. Each object that obtained values calculated seven Hu Invariant Moment. These values are used as information each object for input of Machine Learning to recognize an object. Accuracy Testing of the merging algorithm Backpropagation Neural Network and Hu Invariant Moment using K-Fold Cross Validation method. Objects that used as testing a total of 32 objects which have a variety of image translation, rotation and scaling. 32 The image of the object is composed of 4 different objects taken from 8 files. The best accuracy results obtained from these tests was 87.5%. So that can be concluded Neural Network and Hu Invariant Moment could be implemented and has good enough accuracy.

Give Comment ?#(0) | Bookmark

PropertyValue
Publisher IDJBPTUNIKOMPP
OrganizationP
Contact Namedyah@unikom.ac.id
AddressJl. Dipati Ukur No.116 Lt.7
CityBandung
RegionWest Java
CountryIndonesia
Phone022-2533825 ext.112
Fax022-2533754
Administrator E-mailperpus@unikom.ac.id
CKO E-mailperpus@unikom.ac.id