Features Ciri Deskripsi Obyek

1
Features / Ciri / Deskripsi Obyek

• Prof.Dr. Aniati Murni (R 1202)
• Dina Chahyati, MKom (R 1226)
• Fakultas Ilmu Komputer
• Universitas Indonesia

2
Teknik Segmentasi Citra(Sumber Anil K. Jain,
Michigan State University)

• Segmentasi citra membagi suatu citra menjadi
  wilayah-wilayah yang homogen
• Image Segmentation
• General Purpose Knowledge Guided
• (bottom-up approach) (top-down approach)
• Histogram Clustering Rules of Features

3
Teknik Segmentasi Citra

• Segmentasi citra membagi suatu citra menjadi
  wilayah-wilayah yang homogen
• Teknik Segmentasi Citra
• Dividing Image Space Clustering Feature Space
• Region Region Split Tiap pixel diberi
  index
• Growing Splitting and warna yang
  menunjukkan\ Merge keanggotaannya dalam
• suatu cluster

4
Definisi Feature / Ciri / Object Deskriptor

• Feature (fitur) atau ciri merupakan suatu
  deskriptor yang menggambarkan karakteristik dari
  obyek.
• Kita akan mempelajari regional descriptor.
• Kemudian akan dilanjutkan dengan ciri tonal /
  warna dan ciri tekstur.

5
Beberapa Regional Descriptors

• Area of a region dinyatakan dengan jumlah piksel
  yang ada pada wilayah tersebut.
• Perimeter of a region dinyatakan dengan panjang
  (jumlah piksel yang ada pada) garis batas wilayah
  tersebut.
• Region compactness descriptor dinyatakan dengan
  perimeter2 / area.
• Region spread dinyatakan dengan eigen values.
• Region spread descriptor dinyatakan dengan ratio
  antara largest eigen value / smallest eigen value

6
Penggunaan region compactness dan region spread
descriptors (Sumber Jain, 1990)
Region compactness
Region spread
Obyek Jenis Mur, Sekrup dan Pin
Diagram Dua Ciri Pembeda Obyek
7
Topology definition and properties

• Topology is a study of properties of a figure
  that are unaffected by any deformation, as long
  as there is no tearing and joining of the figure
  (Gonzales Woods, 1992)
• Topology properties
• Euler number E E C H
• C number of connected components
• H number of holes

8
Region with connected component and holes

• H 2
• C 1
• E -1

• H 1
• C 1
• E 0

9
Ciri tonal / warna

• Ciri tonal atau warna dikenal sebagai ciri primer
  (primary features), merupakan tingkat keabuan
  citra hasil perekaman obyek
• Ciri tonal bersifat 1-dimensi sedangkan ciri
  warna bersifat n-dimensi. Contoh ciri warna
• Piksel yang direpresentasi dengan format RGB (Red
  Green Blue) setiap piksel dinyatakan dengan
  besaran Red, besaran Green dan besaran Blue
• Citra multispektral setiap piksel
  direpresentasi dengan respon pada kanal (panjang
  gelombang) 1, kanal 2, dan seterusnya (biasanya
  panjang gelombang visible dan infra red)

10
Ciri tonal citra inderaja pankromatik

• Ciri tonal merupakan ciri primer (primary
  features), sensor SPOT pankromatik (gray levels),
  jumlah band 1, resolusi brightness 256 dan
  resolusi spasial 10 m2.

11
Ciri warna citra inderaja multispektral

• Ciri warna merupakan ciri primer (primary
  features), sensor Landsat TM, jumlah band 7,
  resolusi brightness 256 dan resolusi spasial 30
  m2.

12
Texture Features (Sumber Gonzales Woods, 1992)

• Texture descriptors may be used to describe a
  region. No formal definition of texture exists.
  Intuitively, the descriptors provide measures of
  properties such as smoothness, coarseness, and
  regularity.

13
Quality Of Textures (Sumber MSU, 1990)
14
Natural Textures (Sumber Album BRODATZ)
15
Hypothetical Textures (Sumber Suyanto, 1990)
16
Citra Tekstur Synthetic Aperture Radar
17
Texture Features Computation

• Texture measures depending on the statistical
  distribution of its neighbourhood intensities.
• Contoh komputasi ciri tekstur
• Pendekatan statistik Lokal (mean, maximum and
  minimum), ciri moment, GLCM (Gray Level
  Co-occurrence Matrix)
• Pendekatan spektral spektrum Fourier
• Suatu area dinyatakan bertekstur bila varian
  lokalnya relatif tinggi

18
Pendekatan Statistik - Moments (1)

• Bila z adalah discrete pixel intensity (i 1,2,
  L) dan p(zi) adalah histogramnya, maka nth
  moment of z about mean adalah
• dengan m adalah mean dari z (average
  intensity)

19
Pendekatan Statistik - Moments (2)

• Selain menjelaskan bentuk tekstur melalui bentuk
  histogramnya
• 2nd moment merupakan ukuran kontras (relative
  smoothness)
• 3rd moment menjelaskan skewness dari histogram
• 4th moment menjelaskan flatness dari histogram
• Kelemahan pengukuran tekstur berdasarkan
  histogram (distribusi intensitas) adalah tidak
  membawa informasi tentang letak piksel-piksel
  yang mempunyai intensitas sama atau hampir sama.

20
Pendekatan Statistik GLCM (3)
21
Pendekatan Statistik - GLCM (4)
22
Pendekatan Spektral Spektrum Fourier
(1)(Sumber D. Brzakovic, University of
Tennessee)

• Location of peaks menunjukkan fundamental spatial
  period of texture pattern

Citra Tekstur Plot of S( )
23
Pendekatan Spektral Spektrum Fourier (2)
(Sumber D. Brzakovic, University of Tennessee)

• Transformasi Fourier dalam koordinat polar (r,
  ), koefisien Fourier adalah bilangan kompleks
• r magnitude
• Features yang diekstraksi dari spektrum Fourier
  adalah
• Jumlah peaks

24
Primary and Secondary Features

• Primary features citra satelit yang memuat data
  permukaan bumi merupakan feature image dan
  merupakan primary feature begitu juga citra
  medis dlsb.nya
• Bila identifikasi obyek-obyek yang ada pada citra
  tidak dapat dikenali berdasarkan primary features
  maka kita melakukan ekstraksi ciri (feature
  extraction) dari citra yang ada. Ciri obyek yang
  diperoleh merupakan secondary features, seperti
  ciri bentuk, ciri tekstur sebagai hasil
  transformasi tekstur dlsb.nya.
• Secondary features diperoleh dari transformasi
  primary features.