Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Analisis dan Implementasi Fourier Descriptor Based Contour Matching pada Matlab untuk Mendeteksi Tanda Dangerous Goods
Muhammad Afif Anshorulhaq (2017) | Skripsi | Teknik Informatika , Teknik Komputer
Bagikan
Ringkasan
Pada penelitian ini metoda Fourier Descriptor Based Contour Matching (FDBCM) hendak dianalisis dan diimplementasi pada matlab. FDBCM berfungsi untuk mendeteksi tanda dangerous goods pada gambar. Penelitian ini hendak menguji variasi jenis gambar baru pada FDBCM. Metoda FDBCM ini hendak diimplementasi pada matlab secara array processing dan moduler. Jenis gambar baru yang diujikan memiliki background putih. Menurut mathwork program yang diimplementasi pada matlab sebaiknya dibentuk secara array processing dan moduler agar memiliki waktu eksekusi yang cepat. Eksperimen pertama bertujuan mengukur seberapa besar akurasi FDBCM. Dilakukan dengan menguji 120 buah gambar yang memiliki variasi dari warna background, warna tanda dangerous goods, jenis ratio pixel dan besarnya resolusi gambar. Sedangkan eksperimen kedua bertujuan mengukur perbandingan kecepatan metoda FDBCM pada matlab dengan menguji 40 buah gambar yang memiliki variasi dari warna background, jenis ratio pixel dan besarnya resolusi. Hasil dari penelitian ini menunjukan akurasi dari metode FDBCM sebesar 38,23%. Hal tersebut terjadi karena gambar memiliki background putih dan juga gagalnya pengambilan tanda dangerous goods oleh saliency map. Eksperimen kedua menunjukan kecepatan eksekusi program yang disusun secara array processing dan moduler lebih cepat 12 (gambar dengan 240x320 pixel) hinga 710 detik (gambar dengan 600x800) dibandingkan algorithmis. Dari eksperimen pertama dapat disimpulkan bila metode FDBCM lemah menghadapi gambar dengan background putih dikarenakan adanya tahap Otsu Thresholding, dan menyebabkan gagalnya pengambilan tanda dangerous goods. Tanda dangerous goods yang memiliki jumlah resolusi kecil menyebabkan gagalnya pengambilan tanda dangerous goods oleh saliency map. Dari eksperimen kedua dapat disimpulkan waktu eksekusi metode FDBCM yang disusun secara array processing dan moduler lebih cepat bila dibandingkan algoritmis. Kata Kunci: deteksi simbol, fourier descriptor based contour matching, matlab.
Ringkasan Alternatif
This research intends to analyze and implement FDBCM into matlab. FDBCM is used to detect signs of dangerous good on images. Experiment is done on many kinds of new images on FDBCM. FDBCM method is implemented into matlab by array processing and moduler. The new kind of images being experimented is images with white background. Based on MathWork, implementing program by array processing and modular can speed up execution time. The first experiment aims to determine the accuracy of FDBCM. Experiment is done on 120 images with variety of backgrounds, sign of dangerous goods' colors, type of pixel ratio, and the size of image resolution. Meanwhile, the second experiment aims to determine the speed of FDBCM methods by experimenting on 40 images with different backgrounds, type of pixel ratio, and the size of resolution. The result of this research shows that the accuracy of FDBCM methods is 38,23%. The result caused by the data that have white background. Deficiency comes from saliency map which fails to retrieve the sign of dangerous goods. The second experiment shows that array processing and modular speed up the execution of program by 12 (240x320 sized images) to 710 (600x800 sized images) seconds as opposed to algoritms. Based on the first experiment, it can be concluded that FDBCM methods are poor in handling white backgrounds as a result of Otsu Thresholding. This also causes the failure of saliency map in retrieving signs of dangerous goods with small resolution. Based on second experiment, the execution time of FDBCM method arranged as array processing and modular is faster than algorithmic. Keywords: symbol detection, fourier descriptor based contour matching, matlab.