Hasil Pencarian  ::  Simpan CSV :: Kembali

"Segmentasi tekstur citra memegang peranan penting dalam menganalisa suatu citra, karena pada proses ini terjadi pembedaan variasi intensitas (pada citra kromatik) atau variasi tingkat keabuan (pada citra akromatik) pada pixel-pixel kromatik) atau variasi tingkat keabuan (pada citra akromatik) pada pixel-pixel yang menyusun citra. Dalam hubungannya dengan sistem komunikasi visual, analisa suatu citra memberikan informasi mengenai karakteristik-karakteristik citra yang tidak dapat diamati oleh sistem visual manusia.Pada sistem visual manusia, peristiwa segmentasi tekstur citra tedadi di bagian korteks visual. Pada bagian ini terdapat sekumpulan saraf yang berfungsi sebagai kumpulan filter yang memproses informasi-informasi yang terdapat pada citra, yaitu dalam hal ini membagi citra ke dalam segmen-segmen tekstur yang mempunyai karakteristik tertentu. Filter-filter ini bekerja berdasarkan karakteristik spatial yang terdapat pada konsep psychovisual, yaitu frekuensi spatial clan sudut orientasi.Teknik yang biasa dipakai untuk merepresentasikan proses filter pada mekanisme sistem konteks visual manusia adalah Multichannel Spatial Filtering Model (MSFM) yang menggunakan fungsi elementer Gabor sebagai fungsi filter pada kawasan spatial (spatial domain).Metode inilah yang diterapkan dalam simulasi segmentasi tekstur citra pada makalah skripsi ini. Hasil simulasi akan menunjukkan bahwa penerapan frekuensi spatial tertinggi pada filter akan memberikan segmen citra terbaik. Sedanl~kan penerapan sudut orientasi akan memberikan hasil segmen tekstur yang tergantung pada struktur dari tekstur citra asalnya. Sudut orientasi 0° akan sesuai untuk struktur tekstur yang dominan horisontal, sedangkan sudut orientasi 90° akan sesuai untuk struktur tekstur yang dominan vertikal. Sudut orientasi 45° dan 135° memberikan hasil segmen yang sama dan sesuai untuk keperluan pengenalan tekstur citra secara umum."

"Telah dilakukan penelitian metodologi segmentasi dan klasiiikasi citra synthetic aperture radar (SAR) bcrdasarkan Pulse Coupled Neural Networks (PCNN) dikombinasilcan dengan ciri teksturf Langkah awal penelitian ialah mencari variabel optimal pada persamaan PCNN. Segmentasi citra dilakukan menggunakan tiga macam metoda yang diusulkan yaitu pertama berdasarkan PCNN yang variabelnya telah dibuat optimal, kedua yaitu berdasarkan modiiikasi proses iterasi PCNN dan ketiga berdasarkan mod'kasi persamaan PCNN. Hasil segmentasi tiga teknik ini dapat memisahkan wilayah sesuai ground truth, tetapi pada jumlah iterasi tertentu masih telj adi tumpang tindih. Klasiikasi berdasarkan PCNN dilakukan dua tahap yaitu pertama mengelmraksi ciri tekstur citra. Ekstraksi ciri ini menggunakan perhitungan Grey Level Co-occurrence Matrix (GLCM). Dipilih tiga macam ciri yaitu diss|'m1`!arity, correlation dan angular second moment. Tiga ciri ini menjadi masukan pada PCNN untuk diiterasi. Hasil yang sangat menonjol dari rangkaian elcsperimcn. ini ialah didapatkannya variabel optimal persamaan PCNN yang tegar, metoda modiiikasi iterasi persamaan PCNN yang dapat menghlndari terjadinya tumpang tindih pada dua kelas wilayah hasil segmentasi, modiiikasi persamaan PCNN menjadi empat pereamaan yang dapat mempercepat segmentasi, dan hasil yang menonjol lainnya ialah dapat digunakannya PCNN ini untuk klasiftkasi ciua SAR yang bertekstur dan multi wilayah setelah dikombinasikan dengan ciri tekstur dan ketepatan klasifilasi berdasarkan PCNN yang diusulkan mencapai 91,58$% untuk pita L, 88, 31% untuk pita C dan 85,33%, untuk pita P.

---

The new methodology on segmentation and classification of Synthetic Aperture Rofar (SAR) based on Pulse Coupled Neural Networks (PCNN) and features texture was proposed in this dissertation. The tirst step of this research is timing the variables of the PCNN. The segmentation is based on new methods which proposed in this dissertation. First by iterating the images used optimal PCNN, the second method by modifying the iteration of the PCNN, and the third method by modilymg the equations of the PCNN. The results of these experiments are good enough, but in one of some iterations the result was overlap, in this case two area of the image were appeared in the binary image. The classification based on PCNN would be in two steps, Erst was the features extraction. The features were extracted by using the Gray Level Co-occurrence Matrix (GLCM). Three features, dissimilarity, correlation and angular second moment were selected to be processed by the PCCNN. The significant results of the experiments are, optimal variables of the PCNN which are robust, the new method of iteration of the PCNN which be able to avoid over lapping in segmentation, the new method of modification PCNN equation could increases the speed of segmentation and classification, and new method the application of PCNN in the segmentation and classification ofthe textural and multi region SAR images. Total accuracy for L band is 9l,58%, C band is 88,31% and'P band is 85, 33%."

"Peran transformasi wavelet dalam bidang kompresi dan pengkodean citra telah sangat dikenal dan telah menghasilkan standar format citra digital. Dengan konsep multiskala dan multiresolusi, sebuah citra dapat memberikan representasi yang informatif dengan titur-fitur yang ada. Fitur-fitur ini dapat dimanfaat untuk sebuah sistem pengenalan citra. Jaringan syaraf tiruan sebagai pengklasifikasi telah digunakan secara umum dengan tujuan pengenalan terhadap suatu objek ataupun fungsi. Kelebihan yang dimilikinya karena penggunakan metode training. Training dilakukan terhadap sekumpulan training set yang representatif untuk dapat melakukan proses klasifikasi terhadap objek yang akan dikenali. Skripsi bertujuan untuk memanfaatkan kemampuan transformasi wavelet untuk ekstraksi fitur dengan pengklasifikasi jaringan syaraf tiruan. Penerapannya dilakukan terhadap citra tekstur yang memiliki pola teratur. Pengambilan fitur-fiturnya menggunakan wavelet histogram signazures yang memperlihatkan fitur-fitur wavelet dalam karakteristik statistik orde pertama. Percobaan dilakukan dengan sebuah simulasi software pengenalan pola yang dibuat dengan MATLAB. Sistem dibuat berdasarkan transformasi wavelet dan jaringan syaraf tiruan. Hasil dari percobaan adalah berapa persen jumlah keberhasilan pengenalan sistem terhadap objek pengujian yang diberikan. Pengujian juga dilakukan terhadap tekstur yang diberi gangguan (noise)."

"Seismic inversion is used to make geological subsurface model in terms acoustic impedance. Seismic and well data is used as input on inversion process. Having both the data need to be integrated with geostatistic because they have different scale so more consistent geological model is made. The project area is Boonsville Field in Texas, US. This process is made with open-source software called Delivery which does model-based inversion with Bayesian approach. The result is acoustic impedance cross section which presented sand at Boonsville Filed.

An attempt to image human body arm using Electrical Capacitance Volume Tomography (ECVT) system has been done. We used reconstruction method as Linear Back Projection (LBP), Landweber Equation (Iterative Linear Back Projection, ILBP) and Neural Network Multi-criterion Optimization image Reconstruction technique (NN-MOIRT) algorithms. The results from image reconstruction showed a possibility of human arm imaging with different image reconstruction. NN-MOIRT algorithm method results performed better image compared to LBP and ILBP methods. Image reconstruction process was conducted using MATLAB R2007b software."

"Kanker servik yang juga dikenal dengan istilah kanker leher rahim merupakan salah satu dari jenis kanker yang paling umum diderita oleh wanita. Kanker ini dapat disembuhkan apabila kanker ini terdeteksi pada stadium awal dan diberikan perawatan yang sesuai. Salah satu cara untuk mencegah kanker servik agar tidak memasuki stadium lebih lanjut adalah dengan melakukan Pap Smear Test. Namun untuk melakukan Pap Smear Test diperlukan tingkat akurasi yang sangat tinggi, sehingga diperlukan tenaga ahli patologi untuk melakukannya.Penelitian ini dilakukan dengan harapan dan tujuan untuk mengembangkan metode segmentasi secara otomatis yang memberikan hasil segmentasi dengan cukup baik. Metode segmentasi yang digunakan dalam penelitian ini adalah fuzzy c-means clustering. Proses pengenalan sel kanker yang dilakukan melalui beberapa tahapan proses yakni, penyeragaman intensitas keabuan, ekstraksi ciri, segmentasi daerah sel, deteksi sel tunggal, dan diakhiri dengan pengenalan kategori normal atau abnormal dari sel tersebut.Penelitian demi penelitian telah dilakukan untuk mendapatkan metode segmentasi yang optimal untuk melakukan pendeteksian sel kanker. Penelitian Titin Farida merupakan salah satu penelitian yang menerapkan metode segmentasi fuzzy cmeans clustering. Namun pada penelitian Titin Farida metode segmentasi yang digunakan masih bersifat semi-otomatis. Hal ini menyulitkan pengguna, karena pengguna harus menentukan parameter yang sesuai dengan karakteristik sel. Penelitian ini hendak melakukan modifikasi terhadap metode segmentasi ini agar dapat bekerja secara otomatis dan relatif lebih optimal."

"Kompresi citra medis telah lama menjadi suatu penerapan teknologi kompresi yang kontroversial. Terdapat dua jenis kompresi citra: lossless dan lossy. Nilai rasio kompresi pada lossless compression tidak terlalu besar sehinga lossy compression diterapkan. Perhatian utama pada kompresi citra medis adalah penentuan visually lossless threshold dimana ditentukan nilai batas kuantisasi sehingga kompresi terhadap citra medis dapat dilakukan sebelum terjadi distorsi yang tertangkap oleh sistem visual manusia. Pada skripsi ini dilakukan simulasi kompresi citra medis berdasarkan contrast threshold dan visual masking yang diujikan pada modality computed tomography, mammography, dan X-ray. Evaluasi subjektif dilakukan untuk menilai kualitas citra medis hasil dekompresi dengan melibatkan dokter spesialis radiologi sebagai penguji. Tingkat kejelasan algoritma yang digunakan pada citra medis pada modality X-ray, mammography, dan computed tomography masing-masing adalah 90,00%, 85,00%, dan 89,1666667%. Rasio kompresi dan waktu yang diperlukan untuk melakukan kompresi dan dekompresi bervariasi pada setiap citra medis yang diujikan.

---

Medical image compression has been a controversial application of compression technology. There are two types of image compression: lossless and lossy. The value of compression ratio in the lossless compression is not too big so that lossy compression is applied. The main concern in the medical image compression is the determination of visually lossless threshold limit of quantitation where values are determined so that the compression of medical images can be applied before the distortion is captured by the human visual system. In this thesis, a simulation of medical image compression based on contrast threshold and visual masking is tested on modalities: computed tomography, mammography, and X-ray. Subjective evaluation was conducted to assess the quality of medical image decompression results involving radiologist as testers. The degree of clarity of the algorithms used in medical image on the modality of X-rays, mammography, and computed tomography, respectively are 90,00%, 85,00%, and 89,1666667%. Compression ratio and time required to perform compression and decompression vary on each medical image tested."