Article Details

SEGMENTASI CITRA DENGAN PENDEKATAN GAUSSIAN MIXTURE MODELS

Oleh   Nor Iffadathul Faddilla [10113013]
Kontributor / Dosen Pembimbing : Sapto Wahyu Indratno, S.Si., M.Sc., Ph.D.;
Jenis Koleksi : S1-Tugas Akhir
Penerbit : FMIPA - Matematika
Fakultas : Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA)
Subjek :
Kata Kunci : segmentasi citra, clustering, Gaussian Mixtures Models, ruang RGB, cluster optimal, Kriteria Calinski Harabasz
Sumber :
Staf Input/Edit : Dwi Ary Fuziastuti  
File : 1 file
Tanggal Input : 2019-10-09 10:26:38

Pada era digitalisasi saat ini, banyak sekali aplikasi yang menginginkan representasi citra dengan kebutuhan memori yang sedikit mungkin. Selain itu, pengumpulan data dan teknologi penyimpanan meningkat dengan pesat. Citra adalah komponen multimedia yang memiliki peranan penting dalam suatu betuk informasi. Banyak informasi dan makna yang terkandung di dalamnya. Semakin besar ukuran citra, maka semakin besar pula memori dan kecepatan yang diperlukan untuk mengakses atau mengirimkan citra tersebut. Salah satu permasalahan pada pengolahan citra adalah bagaimana memperoleh informasi dari citra semirip mungkin dengan aslinya. Selain itu, banyak citra yang mengandung duplikasi data karena inten- sitas piksel sama dengan tetangganya ataupun banyak bagian citra yang sama dengan bagian lain yang mengakibatkan boros memori. Pada Tugas Akhir ini, digunakan pengelompokkan atau clustering dari piksel warna citra yang memiliki kesamaan fitur yang disebut Segmentasi Citra. Segmentasi citra digunakan untuk menyederhanakan atau merubah bentuk dari citra menjadi lebih mudah untuk dianalisis. Piksel citra akan dikelompokkan menjadi beberapa kelompok, yang disebut cluster. Asumsi yang digunakan adalah piksel warna dari citra berdis- tribusi multivariat normal, sehingga dapat dimodelkan dengan Model Campuran Gauss. Untuk mengestimasi parameter pada model yang digunakan Algoritma Ekspektasi Maksimisasi. Untuk jumlah cluster yang berbeda setiap citra akan memberikan informasi yang berbeda. Untuk menentukan cluster optimal digunakan nilai maksimal dari Kriteria Calinski Harabasz.