Pengolahan Citra Dijital Syllabus Pengantar dan Aplikasi Informatics

Pengolahan Citra Dijital: Syllabus, Pengantar dan Aplikasi Informatics Engineering Dept. Trunojoyo University

Grading System dan Buku Acuan Grading System: • Tugas & Programming (~20%) • UTS (~35%) UAS (~45%) References: • Slides & Hand outs; • Gonzalez & Woods, 2002. Digital Image Processing. • Gonzalez, Woods & Eddins, 2004, DIP using MATLAB • Castleman, 1996. Digital Image Processing. • Lyon, 1999. Image Processing in Java. • Kuncicky. 2004, MATLAB Programming 2

Metode Belajar dan Mengajar Student Center Learning: • Kuliah Tutorial di Kelas (pencapaian content) • Belajar mandiri (pendalaman & berpikir kritis) • Penulisan makalah atau report (representasi pemahaman dan pemikiran) • Programming (kemampuan penerapan metode) • Ujian Tengah dan akhir semester (tingkat penguasaan) 3

Tiga Bidang Berkaitan dengan Proses Citra atau Gambar (1) 1950 Image Processing Image 1970 Computer Vision 1970 Computer Graphics 1960 Pattern Recognition Artificial Intelligence Description (Pavlidis, 1986) 4

Tiga Bidang Berkaitan dengan Proses Citra atau Gambar (2) (MSU, 1990) 5

Computer Graphics (Murni, 1979) 6

Computer Graphics (Hearn and Baker, 1986) 7

Image Processing (JPL, 1972) 8

Computer Vision Garage Bushes Roof Side Grass House Sky Tree 1 Roof Side 1 Tree 2 Side 2 (Ballard, 1992) 9

Pengolahan Citra Dijital n n memperbaiki kwalitas gambar, dilihat dari aspek radiometrik (peningkatan kontras, transformasi warna, restorasi citra) dan dari aspek geometrik (rotasi, translasi, skala, transformasi geometrik); melakukan pemilihan citra ciri (feature images) yang optimal untuk tujuan analisis; melakukan proses penarikan informasi atau deskripsi obyek atau pengenalan obyek yang terkandung pada citra; melakukan kompresi atau reduksi data untuk tujuan penyimpanan data, transmisi data, dan waktu proses data. 10

Grafika Komputer n n merupakan proses untuk menciptakan suatu gambar berdasarkan deskripsi obyek maupun latar belakang yang terkandung pada gambar tersebut; merupakan teknik untuk membuat gambar obyek sesuai dengan obyek tersebut di alam nyata (realism). 11

Visi Komputer n n n Pengenalan Pola (Pattern Recognition): Speaker Recognition, Segmentation and Classification; Visi Komputer (Computer Vision) merupakan proses menyusun deskripsi tentang obyek yang terkandung pada suatu gambar atau mengenali obyek yang ada pada gambar, Word and Vowel Recognition, Object Structure; Kecerdasan Buatan (Artificial Intelligence): Speech Understanding, What is illustrated by this image. 12

Aplikasi Pengolahan Citra n n n n Kedokteran Gigi (Orthodonti); Kedokteran Biomedik; Penginderaan Jarak Jauh / Inderaja (Remote Sensing); Industri; Bahasa Isyarat; Pengenalan Karakter. Digital Signature & Biometric Data (e-Commerce, Banking etc. ) 13

Aplikasi Kedokteran Gigi (Orthodonti) (Sumber: Thesis S 2 Tini Bagyo) 14

Aplikasi Kedokteran Gigi (Sumber: Skripsi Tirza, 2004) n n Pada citra cephalometri, dapat dideteksi kurva bentuk dahi manusia dari landmark Nasion (lekuk dahi ke hidung) sampai ke Bergman (titik ubun-ubun) Dari lengkung bentuk dahi dapat dihitung koefisien transformasi Fourier dan transformasi Wavelet Dari sampel laki 2 dan perempuan dapat ditentukan aturan keputusan berdasarkan analisis diskriminan, sehingga jenis kelamin dapat ditentukan berdasarkan bentuk dahi tengkorak manusia Eksperimen menunjukkan penggunaan transformasi Wavelet menghasilkan tingkat pengenalan yang lebih baik dari transformasi Fourier 15

Aplikasi Kedokteran (Biomedik) (Sumber: Thesis S 2 Kartono) Thorax X-Ray Standard Landmarks Thorax Tissue 16

Aplikasi Penginderaan Jarak Jauh (Sumber: Murni, 1997) Urut kiri ke kanan atas ke bawah: Citra Optik; Klasifikasi Optik; Fusi Joint Prob. ; Citra Radar; Klasifikasi Radar; Fusi High Rank. 17

Aplikasi Penginderaan Jarak Jauh (Sumber: Murni, 1997) Urut kiri ke kanan atas ke bawah: Citra Optik; Klasifikasi Optik; Citra Hasil Mosaik; Citra Radar; Klasifikasi Radar; Citra Hasil Fusi. 18

Aplikasi Industri (Sumber: Castleman, 1972) Redness Cherries Fruit Sorter Apples Jackfruits Lemons Diameter Diagram Dua Ciri Pembeda Obyek 19

Aplikasi Industri (Sumber: Jain dan Murni, 1990) Original Image Edge Image Recognized Circle 20

Aplikasi Industri (Sumber: Jain, 1990) Obyek: Jenis Mur, Sekrup dan Pin Diagram Dua Ciri Pembeda Obyek 21

Aplikasi Bahasa Isyarat (Bibir) (Sumber: MSU, 1990) Bahasa Isyarat lain: menggunakan bahasa tangan dan ada juga yang disebut sebagai ‘body language’. 22

Aplikasi Pengenalan Karakter (Sumber: Murni, 1990) Huruf A hasil scanning Huruf A setelah ‘thinning’ 23

Aplikasi Pengenalan Karakter (Sumber: Edi, 2002) Huruf hasil scanning Huruf setelah ‘skeletonizing’ 24

Aplikasi Pengenalan Karakter (Sumber: Skripsi S 1 Juanita Rohali) BAP AK BER UANG YANG J AH AT PAD A ZAMAN DAHU L U KALA ADA SE E KOR BER UANG YANG NAKAL DA N JA HAT BER UA NG I TU BE RN AMA XAM I N DIA S UKA ME M AKAN AN AK YANG TI DAK D I SU KAI OLEH I BUN YA SEHINGG A LA M A KELAMAAN ANAK AN AK DI D UNIA ME NJADI MU SNAH B I NASA KAR EN A DI MAKAN OLEH BAPAK BE RUAN G TERS EBUT 25

Topik-topik Penelitian Akhir (2000 -2010): n n n Multitemporal Multisensor Image Classification, Data and Information Fusion, and Change Analysis Biomedical Image Analisis Human Biometrics for Digital Signature 26

Topik-topik Penelitian Akhir (2000 -2005): Multisensor Multitemporal Image Preprocessing Module 27

Change Detection Change Information Image Classification, Data Fusion, Change Detection Module 28

Information Fusion Module SAR and Optical-sensor Images Image Classification Thematic Image Segmentation / Clustering Segmented / Clustered Image Edge Detection Edge Image Information Fusion Accurate Thematic Image 29

Human Biometrics & Features (Sumber: Kompanets et al. , Skripsi S 1 Maukar dan Uludag) Citra Wajah Citra Sidik Jari 30

Topik-topik Penelitian Akhir (2000 -2005) 1. Penyelesaian Masalah Awan pada Citra Optik 2. Penggunaan Ciri Tekstur dan Wavelet pada Citra Radar 3. Evaluasi Metode-metode Pemilihan Ciri 4. Metode Kompresi Citra Berdasarkan Transform Coding, Vektor Kwantisasi, Non-Entropy Coding dan Non. Transform Coding, serta Pendekatan Hybrid 5. Clustering Hybrid antara Region Growing dan Spectral, Hierarchical dan Partitional, Multiresolusi dan Fuzzy 6. Metode Deteksi Sisi dengan Neural Network, Sobel, dan Canny serta penggunaan Indikator Kinerja untuk Evaluasi secara Kwantitatip dan Subyektip 31

Topik-topik Penelitian Akhir (2000 -2005) 7. Metode Thinning dengan Pendekatan Paralel, Penghapusan Pixel, dan Distance Transform serta penggunaan Indikator Kinerja untuk Evaluasi secara Kwantitatip dan Subyektip 8. Metode Segmentasi Region Growing, Hybrid dengan Clustering, Pendekatan Fusioni serta penggunaan Indikator Kinerja untuk Evaluasi secara Kwantitatip dan Subyektip 9. Klasifikasi Geometrik Berdasarkan Nearest Neighbour 10. Penggunaan Computational Intelligence Approach untuk Multisensor Multitemporal Classification and Change Detection 11. Information (Spectral, Spatial, and Edge) Fusion 32

Topik-topik Penelitian Akhir (2005) 12. Hyperspectral thematic image construction: feature extraction 13. 14. and selection, spectral and spatial approah, pair wise classifier and fusion 15. 13. Radar image classification: texture and wavelet features, neural network classifiers 16. 14. Geographics Information System, cellular automata, dynamic modeling, dan multi agent system 17. 15. Image and parallel processing 33

What is on the next day n n n Course material: Biomedical Digital Image Processing Pengajar: Ibu Dina Chahyati, M. Kom. Tugas membaca: Chapter 1 dan 2 dari buku Gonzalez & Woods, 2002 34