Transcript Models of Software Evolution: Life Cycle Model

Pengolahan Citra Dijital:
Syllabus, Pengantar dan Aplikasi
Prof.Dr. Aniati Murni (R 1202)
Dina Chahyati, M.Kom (R 1226)
Fakultas Ilmu Komputer
Universitas Indonesia
Grading System dan Buku Acuan
Grading System:
• PR & Programming (~30%)
• UTS (~35%) UAS (~35%)
References:
• Slides & Hand outs;
• Gonzalez & Woods, 2002. Digital Image Processing.
• Gonzalez, Woods & Eddins, 2004, DIP using MATLAB
• Castleman, 1996. Digital Image Processing.
• Lyon, 1999. Image Processing in Java.
• Kuncicky. 2004, MATLAB Programming
2
Metode Belajar dan Mengajar
Student Center Learning:
• Kuliah (pencapaian content)
• Belajar mandiri (pendalaman & berpikir kritis)
• Penulisan makalah atau report (representasi
pemahaman dan pemikiran)
• Programming (kemampuan penerapan metode)
• Ujian Tengah dan akhir semester (tingkat
penguasaan)
3
Tiga Bidang Berkaitan dengan
Proses Citra atau Gambar (1)
1950 Image Processing
Image
1970 Computer Vision
1970 Computer
Graphics
1960 Pattern Recognition
Artificial Intelligence
Description
(Pavlidis, 1986)
4
Tiga Bidang Berkaitan dengan
Proses Citra atau Gambar (2)
(MSU, 1990)
5
Computer Graphics
(Murni, 1979)
6
Computer Graphics
(Hearn and Baker, 1986)
7
Image Processing
(JPL, 1972)
8
Computer Vision
Garage
Bushes
Roof
Side
Grass
House
Sky
Tree1
Roof
Side1
Side2
Tree2
(Ballard, 1992)
9
Pengolahan Citra Dijital




memperbaiki kwalitas gambar, dilihat dari aspek
radiometrik (peningkatan kontras, transformasi warna,
restorasi citra) dan dari aspek geometrik (rotasi,
translasi, skala, transformasi geometrik);
melakukan pemilihan citra ciri (feature images) yang
optimal untuk tujuan analisis;
melakukan proses penarikan informasi atau deskripsi
obyek atau pengenalan obyek yang terkandung pada
citra;
melakukan kompresi atau reduksi data untuk tujuan
penyimpanan data, transmisi data, dan waktu proses
data.
10
Grafika Komputer


merupakan proses untuk menciptakan
suatu gambar berdasarkan deskripsi
obyek maupun latar belakang yang
terkandung pada gambar tersebut;
merupakan teknik untuk membuat
gambar obyek sesuai dengan obyek
tersebut di alam nyata (realism).
11
Visi Komputer



Pengenalan Pola (Pattern Recognition): Speaker
Recognition, Segmentation and Classification;
Visi Komputer (Computer Vision) merupakan proses
menyusun deskripsi tentang obyek yang terkandung
pada suatu gambar atau mengenali obyek yang ada
pada gambar, Word and Vowel Recognition, Object
Structure;
Kecerdasan Buatan (Artificial Intelligence): Speech
Understanding, What is illustrated by this image.
12
Aplikasi Pengolahan Citra







Kedokteran Gigi (Orthodonti);
Kedokteran Biomedik;
Penginderaan Jarak Jauh / Inderaja (Remote
Sensing);
Industri;
Bahasa Isyarat;
Pengenalan Karakter.
Digital Signature & Biometric Data (e-Commerce,
Banking etc.)
13
Aplikasi Kedokteran Gigi (Orthodonti)
(Sumber: Thesis S2 Tini Bagyo)
14
Aplikasi Kedokteran Gigi
(Sumber: Skripsi Tirza, 2004)




Pada citra cephalometri, dapat dideteksi kurva bentuk
dahi manusia dari landmark Nasion (lekuk dahi ke
hidung) sampai ke Bergman (titik ubun-ubun)
Dari lengkung bentuk dahi dapat dihitung koefisien
transformasi Fourier dan transformasi Wavelet
Dari sampel laki2 dan perempuan dapat ditentukan
aturan keputusan berdasarkan analisis diskriminan,
sehingga jenis kelamin dapat ditentukan berdasarkan
bentuk dahi tengkorak manusia
Eksperimen menunjukkan penggunaan transformasi
Wavelet menghasilkan tingkat pengenalan yang lebih
baik dari transformasi Fourier
15
Aplikasi Kedokteran (Biomedik)
(Sumber: Thesis S2 Kartono)
Thorax X-Ray
Standard Landmarks
Thorax Tissue
16
Aplikasi Penginderaan Jarak Jauh
(Sumber: Murni, 1997)
Urut kiri ke kanan
atas ke bawah:
Citra Optik;
Klasifikasi Optik;
Fusi Joint Prob.;
Citra Radar;
Klasifikasi Radar;
Fusi High Rank.
17
Aplikasi Penginderaan Jarak Jauh
(Sumber: Murni, 1997)
Urut kiri ke kanan
atas ke bawah:
Citra Optik;
Klasifikasi Optik;
Citra Hasil Mosaik;
Citra Radar;
Klasifikasi Radar;
Citra Hasil Fusi.
18
Aplikasi Industri
(Sumber: Castleman, 1972)
Redness
Cherries
Fruit Sorter
Apples
Jackfruits
Lemons
Diameter
Diagram Dua Ciri Pembeda Obyek
19
Aplikasi Industri
(Sumber: Jain dan Murni, 1990)
Original Image
Edge Image
Recognized Circle
20
Aplikasi Industri
(Sumber: Jain, 1990)
Obyek: Jenis Mur, Sekrup dan Pin
Diagram Dua Ciri Pembeda Obyek
21
Aplikasi Bahasa Isyarat (Bibir)
(Sumber: MSU, 1990)
Bahasa Isyarat lain: menggunakan bahasa tangan dan ada
juga yang disebut sebagai ‘body language’.
22
Aplikasi Pengenalan Karakter
(Sumber: Murni, 1990)
Huruf A hasil scanning
Huruf A setelah ‘thinning’
23
Aplikasi Pengenalan Karakter
(Sumber: Edi, 2002)
Huruf hasil scanning
Huruf setelah ‘skeletonizing’
24
Aplikasi Pengenalan Karakter
(Sumber: Skripsi S1 Juanita Rohali)
BAP AK BER UANG YANG J AH AT
PAD A ZAMAN DAHU L U KALA ADA SE E KOR BER
UANG YANG NAKAL DA N JA HAT
BER UA NG I TU BE RN AMA XAM I N
DIA S UKA ME M AKAN AN AK AN AK YANG TI DAK D
I SU KAI OLEH I BUN YA
SEHINGG A LA M A KELAMAAN ANAK AN AK DI D
UNIA ME NJADI MU SNAH B I NASA KAR EN A
DI MAKAN OLEH BAPAK BE RUAN G TERS EBUT
25
Topik-topik Penelitian Akhir (2000-2010):



Multitemporal Multisensor Image
Classification, Data and Information
Fusion, and Change Analysis
Biomedical Image Analisis
Human Biometrics for Digital Signature
26
Topik-topik Penelitian Akhir (2000-2005):
Multisensor Multitemporal Image Preprocessing Module
27
Change
Detection
Change
Information
Image Classification,
Data Fusion,
Change Detection
Module
28
Information Fusion Module
SAR and Optical-sensor Images
Image Classification
Thematic Image
Image Segmentation / Clustering
Segmented / Clustered Image
Edge Detection
Edge Image
Information Fusion
Accurate Thematic Image
29
Human Biometrics & Features
(Sumber: Kompanets et al., Skripsi S1 Maukar dan Uludag)
Citra Wajah
Citra Sidik Jari
30
Topik-topik Penelitian Akhir (2000-2005)
1. Penyelesaian Masalah Awan pada Citra Optik
2. Penggunaan Ciri Tekstur dan Wavelet pada Citra Radar
3. Evaluasi Metode-metode Pemilihan Ciri
4. Metode Kompresi Citra Berdasarkan Transform Coding,
Vektor Kwantisasi, Non-Entropy Coding dan NonTransform Coding, serta Pendekatan Hybrid
5. Clustering Hybrid antara Region Growing dan Spectral,
Hierarchical dan Partitional, Multiresolusi dan Fuzzy
6. Metode Deteksi Sisi dengan Neural Network, Sobel, dan
Canny serta penggunaan Indikator Kinerja untuk Evaluasi
secara Kwantitatip dan Subyektip
31
Topik-topik Penelitian Akhir (2000-2005)
7. Metode Thinning dengan Pendekatan Paralel, Penghapusan
Pixel, dan Distance Transform serta penggunaan Indikator
Kinerja untuk Evaluasi secara Kwantitatip dan Subyektip
8. Metode Segmentasi Region Growing, Hybrid dengan Clustering,
Pendekatan Fusioni serta penggunaan Indikator Kinerja untuk
Evaluasi secara Kwantitatip dan Subyektip
9. Klasifikasi Geometrik Berdasarkan Nearest Neighbour
10. Penggunaan Computational Intelligence Approach untuk
Multisensor Multitemporal Classification and Change Detection
11. Information (Spectral, Spatial, and Edge) Fusion
32
Topik-topik Penelitian Akhir (2005)
12. Hyperspectral thematic image construction: feature extraction
and selection, spectral and spatial approah, pair wise classifier
and fusion
13. Radar image classification: texture and wavelet features,
neural network classifiers
14. Geographics Information System, cellular automata, dynamic
modeling, dan multi agent system
15. Image and parallel processing
33
What is on the next day



Course material: Biomedical Digital
Image Processing
Pengajar: Ibu Dina Chahyati, M.Kom.
Tugas membaca: Chapter 1 dan 2 dari
buku Gonzalez & Woods, 2002
34