Latar Belakang

Latar Belakang

Perlunya inventarisasi data dari tiap motif

batik dari seluruh daerah di Indonesia

1

Pengenalan motif citra batik contoh dengan

pencarian citra batik yang mirip

menggunakan temu kembali citra dari

koleksi besar data batik

2

PRESENTASI TUGAS AKHIR – KI091391

Implementasi Transformasi

Curvelet dan Ruang Warna

HSV untuk Temu Kembali

Citra Batik Berbasis Isi pada

Situs Batikoleh:

Ardian Yusuf Wicaksono

5110100189

Dosen Pembimbing:

Dr. Eng. Nanik Suciati, S.Kom., M.Kom.

Diana Purwitasari, S.Kom., M.Sc.

Rumusan masalah

Bagaimana cara menerapkan metode

Transformasi Curvelet dan Ruang Warna

HSV sebagai representasi citra batik?

1

Bagaimana cara mendapatkan motif yang

mirip dengan citra contoh dari basis data

motif yang ada?

2

Bagaimana mengelola data citra pada situs

batik?

3

Batasan Masalah

Dataset 113 Citra Batik

Situs web JSF dan PrimeFaces.

Kakas bantu Netbeans IDE

Bahasa pemrograman Java

Pustaka JTransforms

Basis data MySQL

Tujuan dan Manfaat

Situs temu kembali citra batik berdasar citra

contoh

Menginventarisasikan data citra batik yang

ada di Indonesia

1

Mempromosikan batik ke masyarakat

Indonesia dan dunia internasional

2

Meningkatkan ketahanan budaya tradisional

Indonesia

3

Proses

Mulai

Masukandataset citra

batik

Berhenti

Penghitungansimilaritas (Jarak

Canberra)

Pengurutan citraberdasarkan jarak mulai

yang terendah

Keluarancitra hasil

Basis data fitur

EKSTRAKSI FITUR

Mulai

Masukan citrabatik query

EKSTRAKSI FITUR

Tahap Ekstraksi Fitur

Tahap Temu Kembali Citra

EKSTRAKSI FITUR

Citra Masukan

Ubah ke Grayscale Ubah RGB ke HSV

Fitur Citra

Kuantisasi HSV

Buat Histogram Hasil Kuantisasi HSV

Fiturwarna

TransformasiCurvelet tiap Skala

Perhitungan mean dan std deviasi tiap

wedge tiap skala

FiturTekstur

Transformasi Curvelet Ruang Warna HSV

Uji Coba

Uji coba 1

Mencari metode ekstraksi fitur terbaik

Transformasi Curvelet 4 skala



Ruang Warna HSV

Transformasi Curvelet 4 skala Ruang Warna HSV



5 citra batik tiap 1 citra batik dari 113 citra batik

Uji coba 2

Implementasi metode terbaik uji coba 1 ke

situs web

113 citra batik dibagi 9 motif mirip

Uji coba 1

88

.88

92

.21 93

.49

87

.65

96

.85

96

.50

96

.32

82.00

84.00

86.00

88.00

90.00

92.00

94.00

96.00

98.00

Curvelet lvl 4 Curvelet lvl 5 Curvelet lvl 6 HSV Curvelet lvl 4+HSV Curvelet lvl 5+HSV Curvelet lvl 6+HSV

Precision

Precision (%)

Grafik menunjukkan

bahwa jumlah skala

pada transformasi

curvelet

berpengeruh pada

performa

Gabungan fitur

tekstur dan fitur

warna

memberikan

performa lebih

baik

Uji coba 1

0.1

1

0.3

4

1.4

4

0.0

1 0.1

2

0.3

5

1.4

9

0.1

3

0.3

9

1.5

1

0.0

1 0.1

4

0.4

0

1.6

5

0.00

0.20

0.40

0.60

0.80

1.00

1.20

1.40

1.60

1.80

Curvelet lvl 4 Curvelet lvl 5 Curvelet lvl 6 HSV Curvelet lvl 4+HSV Curvelet lvl 5+HSV Curvelet lvl 6+HSV

Waktu

ekstraksi (detik) temu kembali (detik)

Uji coba 1

Citra queryCitra hasil temu kembali

Contoh hasil temu kembali dari metode gabungan

Transformasi Curvelet 4 skala dan Ruang Warna HSV

Uji coba 2

Citra query Citra hasil temu kembali

Contoh hasil temu kembali dari metode gabungan

Transformasi Curvelet 4 skala dan Ruang Warna HSV pada

dataset 113 citra batik dengan 9 motif

Kesimpulan

Metode gabungan Transformasi Curvelet 4 skala dengan ruang warna HSV

mendapatkan hasil terbaik dengan precision 96.85

Keberhasilan dari Temu Kembali Citra Batik ini sangat bergantung pada

keberhasilan metode dalam ekstraksi fitur dalam merepresentasikan sebuah citra.

Pemakaian fitur warna, dan tekstur memiliki performa yang lebih baik

dibandingkan dengan hanya melibatkan fitur warna saja atau tekstur saja.

TERIMA KASIH

PRESENTASI TUGAS AKHIR – KI091391

Implementasi Transformasi Curvelet dan Ruang Warna HSV untuk Temu Kembali Citra Batik Berbasis Isi pada Situs Batik

Transformasi Curvelet

1 Skala

1 Wedge

Emmanuel CandesDavid Donoho

Multi-Skala

Transformasi Curvelet

Citra grayscaleSebuah curveletpada skala j dan sudut l

Xkali

Citra dalamdomain FT

Kumpulan curveletpada beberapa skala

Curvelet dalamdomain FT

Hasil perkalian citra dancurvelet dalam domain FT

Koefisien curveletpada skala j dan sudut l

FFT FFT

IFFT

Dibuang (simetris)𝐸𝑛𝑒𝑟𝑔𝑖 =

1

𝑀 × 𝑁

𝑖=1

𝑀

𝑗=1

𝑁

𝑋𝑖𝑗

𝑆𝑡𝑎𝑛𝑑𝑎𝑟 𝐷𝑒𝑣𝑖𝑎𝑠𝑖 =1

𝑀 × 𝑁

𝑖=1

𝑀

𝑗=1

𝑁

𝑋𝑖𝑗 − 𝜇𝑖𝑗2 12

Skala 51 32 32 64 64 11 16 16 32 32 1

Ruang Warna HSV

RGB RGB RGB RGB RGB RGB






HSV HSV HSV HSV HSV HSV






G G G G G G

G G G G G G

G G G G G G

G G G G G G

G G G G G G

G G G G G G

HSVq HSVq HSVq HSVq HSVq HSVq






0

100

200

300

400

500

600

700

800

900

1000

G

Frek

uen

si

Histogram vektor G

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48

49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71

Citra Batik RGBRGB ke HSVKuantisasi HSVVektor 1DHistogram𝐺 = 9𝐻 + 3𝑆 + 𝑉

Dataset Motif

Motif 1 : 13 citra Motif 2 : 8 citra Motif 3 : 19 citra Motif 4 : 13 citra Motif 5 : 10 citra

Motif 6 : 8 citra Motif 7 : 5 citra Motif 8 : 6 citra Motif 9 : 31 citra

Temu Kembali

𝐷𝐶 𝑋, 𝑌 = 𝑖=1

𝑛 𝑥𝑖 − 𝑦𝑖𝑥𝑖 + 𝑦𝑖

Jarak Canberra

𝑝𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛 =𝑐𝑖𝑡𝑟𝑎 𝑚𝑖𝑟𝑖𝑝 ∩ 𝑐𝑖𝑡𝑟𝑎 ℎ𝑎𝑠𝑖𝑙 𝑡𝑒𝑚𝑢 𝑘𝑒𝑚𝑏𝑎𝑙𝑖

𝑐𝑖𝑡𝑟𝑎 ℎ𝑎𝑠𝑖𝑙 𝑡𝑒𝑚𝑢 𝑘𝑒𝑚𝑏𝑎𝑙𝑖

𝑟𝑒𝑐𝑎𝑙𝑙 =𝑐𝑖𝑡𝑟𝑎 𝑚𝑖𝑟𝑖𝑝 ∩ 𝑐𝑖𝑡𝑟𝑎 ℎ𝑎𝑠𝑖𝑙 𝑡𝑒𝑚𝑢 𝑘𝑒𝑚𝑏𝑎𝑙𝑖

ℎ𝑖𝑚𝑝𝑢𝑛𝑎𝑛 𝑠𝑒𝑚𝑢𝑎 𝑐𝑖𝑡𝑟𝑎 𝑚𝑖𝑟𝑖𝑝

Precision dan Recall

Latar Belakang -...

Documents

Transcript of Latar Belakang -...