Pendeteksian Objek Pada Citra Menggunakan Pencocokan Titik-Titik Fitur Berbasis Algoritma SURF dan MSER

Homa Parlagutan Harahap

doi:10.33751/komputasi.v13i2.142

Pendeteksian Objek Pada Citra Menggunakan Pencocokan Titik-Titik Fitur Berbasis Algoritma SURF dan MSER

Homa Parlagutan Harahap

Abstract

Penelitian ini mendeskripsikan proses pendeteksian sebuah objek tertentu dalam sebuah citra dengan menemukan kecocokan antara titik-titik fitur dari masing-masing citra dengan menggunakan algoritma Speeded Up Robust Features (SURF) dan algoritma Maximally Stable Extremal Regions (MSER). Penelitian ini menggunakan satu citra target dan dua citra referensi, kesemua citra akan di konversi dalam citra grayscale. Metode yang digunakan adalah menggabungkan algoritma feature descriptor dengan regions detector. Hasil penelitian menunjukkan bahwa: 1) waktu proses pencocokan fitur sebesar 1,347 detik, 2) waktu menampilkan hasil sebesar 1,125 detik, 3) waktu proses membandingkan dan ploting titik sebesar 0,859 detik, 4) waktu proses deteksi fitur sebesar 0,251 detik, dan 5) waktu ekstraksi fitur sebesar 0,093 detik. Waktu yang dibutuhkan untuk proses eksekusi kedua algoritma ini secara keseluruhan adalah 5,216 detik. Keakuratan penggabungan kedua algoritma ini sangat baik dalam menunjukkan kecocokan dan lokasi objek dalam sebuah citra.Hasil tingkat akurasi untuk setiap proses adalah sebagai berikut; 1) akurasi deteksi fitur sangat baik, 2) ekstraksi fitur sangat baik, 3)kesesuaian titik kandidat sangat baik, 4) penentuan batasan lokasi objek sangat baik, dan 5) waktu proses eksekusi algoritma cepat.Berdasarkan hasil penelitian ini maka penggabungan algoritma SURF dan MSER baik digunakan dalam menentukan sebuah objek dalam sebuah citra.

Keywords

Citra, Grayscale, Speeded Up Robust Features (SURF), Maximally Stable Extremal Regions (MSER), Titik Fitur

References

[1]Alwanin, Rawabi (2014). An Approach to Image Classification Based on SURF Descriptors and Colour Histograms. A dissertation submitted to the University of Manchester for the degree of Master of Science in the Faculty of Engineering and Physical Sciences,39 – 40. University of Manchester.

[2] Bay, H, Ess A, Tuytelaars, T, Van Gool, L (2008). Speeded-Up robust features (SURF). Computer Vision and Image Understanding (CVIU), 110 (3), 346 – 359.

[3] Bay, H, Ess A, Tuytelaars, T, Van Gool, L (2006). SURF: speeded up robust features. Proceedings of the 9th European Conference on Computer Vision, 3951 (1), 404 – 417. Springer LNCS.

[4] Crow, Franklin (1984). Summed-area tables for texture mapping. SIGGRAPH '84: Proceedings of the 11th Annual Conference on Computer Graphics and Interactive Techniques, 207 – 212.

[5] Forssén Per-Erik and David G Lowe. (2007). Shape descriptors for maximally stable extremal regions. Computer Vision, ICCV. IEEE 11th International Conference on, 1-2,

[6] Huang Yea-Shuan, Yu Hung-Hsiu, Ou Zhi-Hong, Hsieh Hsiang-Wen (2012). A Texture-Based Feature Point Detection and Matching Method, Journal of Information Technology and Applications,Vol. 6, No. 1. 3 – 4. Chung-Hua University, Hsinchu, Taiwan.

KOMPUTASI ISSN: 1693-7554 n 79

[7] J. Matas, O. Chum, M. Urban and T. Padjla. (2002).Robust wide baseline stereo from maximally stable extermal regions, Proc. British Machine Vision Conference, Vol. 1, 384-393.

[8] Pedersen Jacob Toft (2011). Group Study.SURF: Feature detection & description.

Computer Science, Aarhus.

[9] Lowe, D.G. (2004). Distinctive image features from scale-invariant keypoints,

International Journal of Computer Vision.

[10] Lili (2014). Image Matching Algorithm based on Feature-point and DAISY Descriptor, Journal Of Multimedia, Vol 9, No. 6. 830 – 832. School of Business, Sichuan Agricultural University, Sichuan Dujianyan 611830, China.

[11] Lowe, D. G. (1999). Object recognition from local scale-invariant features.

Proceeding of the International Conference on Computer Vision, Corfu.

[12] Singh Upendra, Singh Sidhant Shekhar, Srivastava Manish Kumar (2015). Object Detection and Localization Using SURF Supported By K-NN, International Journal of Computer Science Trends and Technology (IJCST), Vol 3, Issue 2.89 – 90. Department of Computer Science and Engineering. Madan Mohan Malaviya University of Technology.

Full Text: PDF

DOI: 10.33751/komputasi.v13i2.142