Hasil Pencarian  ::  Simpan CSV :: Kembali

"Satelit LDCM (Landsat Data Continuity Mission) dijadwalkan diluncurkan pada tahun 2011 dari VAFB, CA dengan pesawat peluncur Atlas-V-401. Setelah meluncur di orbitnya, satelit tersebut akan dinamakan sebagai Landsat-8. Satelit LDCM (Landsat-8) dirancang diorbitkan pada orbit mendekati lingkaran sikron-matahari, pada ketinggian: 705 km, inklinasi: 98.2º, periode: 99 menit, waktu liput ulang: 16 hari. Satelit LDCM (Landsat-8) dirancang membawa Sensor pencitra OLI (Operational Land Imager) yang mempunyai kanal-kanal spektral yang menyerupai sensor ETM+(Enhanced Thermal Mapper plus) dari Landsat-7. Sensor pencitra OLI ini mempunyai kanal-kanal baru yaitu: kanal-1: 443 nm untuk aerosol garis pantai dan kanal 9: 1375 nm untuk deteksi cirrus; akan tetapi tidak mempunyai kanal inframerah termal. Sensor lainnya yaitu Thermal Infrared Sensor (TIRS) ditetapkan sebagai pilihan (optional), yang dapat menghasilkan kontinuitas data untuk kanal-kanal inframerah termal yang tidak dicitrakan oleh OLI. Tulisan ini menguraikan karakteristik teknis satelit LDCM (Landsat-8), karakteristik teknis sensor pencitra OLI dan karakteristik data citra, subsistem pendukung missi, aplikasi data satelit LDCM (Landsat-8) serta analisis pemanfaatan satelit masa depan: LDCM( Landsat-8). Metode kajian adalah dengan melakukan studi literatur/informasi/data yang diperoleh dari badan/lembaga pemilik satelit serta dari media internet, dan sumber-sumber referensi literatur lainnya/hasil-hasil penelitian yang berkembang dewasa ini, serta melakukan analisis"

"

Salah satu data pelacakan objek yang menarik untuk diteliti adalah citra termal inframerah. Data tersebut tahan terhadap perubahan cahaya bahkan dapat dihasilkan pada kondisi tanpa cahaya. Disamping kelebihan yang dimiliki, pelacakan objek pada citra termal inframerah tersebut memiliki tantangan yang berbeda dari pelacakan pada citra visual spektrum, seperti kontras rendah yang merupakan karakter dari citra termal inframerah menyebabkan deteksi tepi antara objek dan latar belakang mempunyai kesulitan lebih tinggi. Penelitian ini bertujuan untuk menghasilkan metode pelacakan dengan akurasi tinggi dan dapat diimplementasikan secara real-time (20 frame per detik). Metode yang diusulkan pada penelitian ini adalah Optical Flow Tracker (OFT) dengan penambahan transformasi log adaptif (aLOFT) untuk meningkatkan kontras citra. Penambahan metode adaptive pre-processing tersebut mampu meningkatkan performa OFT. Tracker aLOFT cukup kompetitif ketika dibandingkan dengan state of the art tracker pada tantangan motion blur PTB-TIR 2019 Benchmark dengan hasil akurasi 0.905 dan kecepatan komputasi 64.9 fps.

---

One of the interesting objects tracking data is thermal infrared images. It is because of its ability to see in full darkness, no shadow effects and illumination robustness. However, those images object tracking has different challenges from visual images tracking, like low contrast of thermal images that cause difficulty to recognize the edge between object and background. Therefore, this research has the purpose to produce the tracker that is good in the precision score and still works in real-time (20 frames per second). In this paper, the authors proposed an adaptive log transform to enhance optical flow tracker (aLOFT) for thermal infrared images. The result of this method shows that adaptive pre-processing helps the tracker to outperform a better result compared to different preprocessing methods. The aLOFT tracker is competitive when compared to the state-of-the-art tracker PTB-TIR 2019 Benchmark in the motion blur problem with an accuracy of 0.905 and a computing speed of 64.9 fps.

 

"

"ABSTRAKMengetahui nilai land surface temperature (LST) merupakan hal penting dalam eksplorasi geotermal. Pengukuran LST secara manual akan memakan waktu yang lama dan biaya yang besar. Penggunaan metode thermal infrared remote sensing untuk mencari nilai LST akan memakan waktu yang lebih cepat dan biaya yang sedikit. Data yang digunakan berasal dari satelit Landsat 8 dengan sensor Operational Land Imager (OLI) dan Thermal Infrared (TIRS). Dari data OLI akan didapatkan nilai emisivitas sementara dari data TIRS akan didapatkan nilai brightness temperature. Dengan menggunakan metode split-window algorithm, nilai LST bisa diketahui dari nilai emisivitas dan brightness temperature. Nilai LST yang didapat pada penelitian ini berada pada range nilai 14oC hingga 45oC. Nilai LST semakin meningkat apabila terdapat sesar yang berasosiasi dengan sistem geotermal. Nilai LST juga semakin meningkat apabila base of conductor semakin dekat dengan permukaan bumi. Nilai LST yang sudah didapatkan kemudian dipadukan dengan data geologi, geokimia, dan magnetotelurik sehingga menghasilkan model konseptual.

---

ABSTRACTKnowing the value of land surface temperature (LST) is important in geothermal exploration. LST measurements manually would take a long time and costly. The use of thermal infrared remote sensing method to find the value of LST will take faster and cost less. The data used are from the satellite Landsat 8 with sensor Operational Land Imager (OLI) and the Thermal Infrared (TIRS). From data OLI, will be obtained the value of emissivity while from data TIRS, will be obtained the value of brightness temperature. By using a split-window algorithm, the value of LST can be known from the value of emissivity and brightness temperature. LST value obtained in this study are in the range of values 14oC to 45oC. LST value increase if there is a fault associated with a geothermal system. LST value also increased when the base of conductor closer to the earth?s surface. LST value that has been obtained is then combined with geological, geochemical, and magnetotelluric data resulting conceptual model.;"

"Pelacakan objek dengan menggunakan metode penggabungan dari citra visual RGB dan termal inframerah (TIR) menjadi bidang yang menarik untuk dipelajari oleh para peneliti dalam beberapa tahun terakhir karena kemampuannya untuk bertahan pada situasi dan kondisi sulit yang berkaitan dengan iluminasi cahaya seperti dalam keadaan gelap dan cuaca buruk yang tidak dapat dideteksi dengan hanya menggunakan citra RGB saja. Pada kondisi normal pelacakan objek dengan menggunakan citra RGB akan memiliki akurasi yang bagus, namun pada kondisi gelap dan cuaca buruk citra termal inframerah dapat membantu untuk tetap dapat melakukan pelacakan objek. Penggabungan keunggulan dari citra RGB dan termal inframerah diharapkan akan saling membantu untuk menutupi kelemahan dari masing-masing metode. Namun pencarian metode penggabungan terbaik dari kedua masukan tersebut masih merupakan tantangan tersendiri. Pada penelitian ini metode High Level Fusion dengan arsitektur DeepSORT dan Kalman Filter Hierarchical Estimator digunakan untuk menggabungkan citra RGB dan termal inframerah yang berfokus pada penggabungan hasil estimasi pelacakan objek dari kedua masukan. Dari hasil penelitian ini didapatkan sebuah arsitektur penggabungan metode pelacakan yang dapat mengoptimalkan hasil pelacakan dari kedua masukan dan tetap dapat bekerja ketika salah satu masukan tidak berfungsi.

---

RGBT object tracking has become an interesting field study for many researchers because of the robustness to overcome adverse conditions related to illumination like total darkness and bad weather where RGB detection could not perform well. Object tracking with RGB images could have excellent performance in normal conditions, but in dark and difficult weather conditions thermal infrared images could help to maintain the tracking process. This integration from RGB and thermal infrared is expected to complement each other’s strengths and weaknesses. However, it is still challenging to find the best method that can combine those two different input information. In this research, high-level data fusion method and DeepSORT architecture were used as a baseline tracking with Kalman filter Hierarchical Estimator to combine RGB and Thermal estimates for object tracking. The study results presented the combination architecture to optimize the tracking result that can perform with both inputs and maintain function if one of the inputs falls through."