Deteksi Api dengan MultiColorFeatures, Background Subtraction dan Morphology

Pentingnya deteksi api secara dini dapat membantu memberikan peringatan serta menghindari bencana yang menyebabkan kerugian ekonomi dan kehilangan nyawa manusia. Teknik deteksi api dengan sensor konvensional masih memiliki keterbatasan, yakni memerlukan waktu yang cukup lama dalam mendeteksi api pada ruangan yang besar serta tidak dapat bekerja di ruangan terbuka. Penelitian ini mengusulkan metode deteksi api secara visual yang dapat digunakan pada camera surveillance dengan menggunakankombinasi Multicolorfeatures sepertiRGB, HSV,YCbCr dan Background Subtraction serta morphologyuntuk pendeteksian pergerakan api. Evaluasi penelitian dilakukan dengan menghitung tingkat error deteksi area api.

Kata kunci : Background Subtraction, RGB, HSV, YcbCr, Deteksi Api.

Jurnal lengkap dapat diunduh disini

Analisis Dan Simulasi Sistem Pengenalan Wajah Dengan Metode Fisherface Berbasis Outdoorvideo

Saat ini sudah banyak penelitian untuk mencari metode yang baik pada system pengenalan wajah. Berbagai metode telah banyak diteliliti untuk sistem ini. Metode yang umum digunakan adalah PCA (Principal Component Analysis). Walaupun PCA merupakan teknik yang terkenal dalam pengenalan citra, ternyata PCA menghadapi permasalahan dalam menghadapi database yang sangat besar, dimana waktu proses dari pengenalan menjadi lama dan akurasinya menjadi menurun dengan cepat apabila jumlah data semakin bertambah banyak (Li, S.Z.,Hou, X.W., Zhang, H.J., Cheng, Q.S. 2001). Untuk mengatasi kelemahan metode PCAtersebut, maka pada tahun 1977, Peter N,Belhumeur, Joao P. Hespanha dan David J.Kriegmen telah mengembangkan suatu metodebaru yang dinamakan metode Fisherface. Metode ini merupakan gabungan dari metodePCA dengan Fisher’s Linear Discriminant(FLD) yang merupakan pengembangan darimetode LDA (Linear Discriminant Analysis).

VIDEO OBJECT SEGMENTATION APPLYING SPECTRAL ANALYSIS AND BACKGROUND SUBTRACTION

Dalam penelitian ini membahas tentang sebuah pendekatan untuk objek segmen video semi-otomatis. Permasalahan yang dihadapi dalam penelitian ini adalah kurangnya informasi semantik pada segmentasi objek video serta pengguna segmentasi oleh manusia tidak efektif jika video memiliki ukuran yang besar. Untuk itu diperlukan inisialisasi, yang dalam hal ini menggunakan teknik berbasis scribble-base untuk membedakan antara foreground dan background. Setelah itu objek pemisahan dari latar belakang, operasi pengurangan antara frame dan selanjutnya dilakukan dengan menerapkan algoritma subtraction background.

Spectral analysis and background subtraction  untuk segmentasi objek video menjadi lebih efektif. Evaluasi penelitian ini diukur dengan Mean Square Error. Hasil percobaan menunjukkan tinggi presisi segmentasi objek.

Keywords: Segmentation, Alpha Matting, Background Subtraction

untuk jurnal lengkap dapat dilihat dan diunduh disini

SISTEM DETEKSI PENYAKIT PENGEROPOSAN TULANG DENGAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN REPRESENTASI CIRI DALAM RUANG EIGEN

Ada berbagai cara untuk mendeteksi penyakit osteoporosis (pengeroposan tulang), salah satunya adalah dengan melihat gambaran osteoporosis melalui foto rontgen atau X-ray. Kemudian, dianalisis secara manual oleh pakar Rheumatologi. Artikel menunjukkan pengembangan suatu sistem yang dapat mendeteksi penyakit osteoporosis pada manusia dengan menerapkan prinsip Rheumatologi. Daerah utama yang diidentifikasi adalah antara pergelangan tangan hingga jari tangan. Sistem kerja di dalam perangkat lunak ini meliputi 3 pemrosesan penting, yaitu proses pengolahan citra dasar, proses reduksi piksel, dan proses jaringan syaraf tiruan. Awalnya, citra X-ray digital (30 x 30 piksel) dilakukan pengkonversian warna dari RGB ke grayscale. Kemudian, di-thresholding dan diambil nilai gray level-nya. Nilai-nilai tersebut selanjutnya dinormalisasi ke interval [0.1, 0.9], lalu direduksi menggunakan metode PCA (Principal Component Analysis). Hasilnya dijadikan input pada proses jaringan syaraf tiruan Backpropagation untuk mengetahui analisis penyakit dari X-ray yang dimasukkan Disimpulkan dari hasil pengujian dengan learning rate sebesar 0.7 dan momentum sebesar 0.4, sistem ini memiliki tingkat keberhasilan 73 hingga 100 persen untuk uji data non-learning, dan 100 persen untuk data learning.

kata kunci: osteoporosis, pengolahan citra, PCA, jaringan syaraf tiruan

jurnal lengkap dapat diunduh disini