| Abstrak | Pemanfaatan citra pada sejumlah aplikasi multimedia begitu pesat belakangan ini. Namun kemampuan queri dan browsing database citra berdasarkan content belumlah memuaskan karena tingginya tingkat kesulitan dalam memahami sebuah citra, ditambah lagi dengan kebutuhan akan efisiensi dan ketepatan yang tinggi pada aplikasi tertentu seperti untuk keperluan militer, medis, dan remote sensing. Oleh karenanya, saat ini temu-kembali citra menjadi suatu area penelitian yang sangat banyak dilakukan.
Implementasi temu-kembali yang banyak dipakai adalah dengan menggunakan queri berupa contoh (query by example), dimana citra queri dimasukan ke dalam sistem untuk dicarikan citra-citra pada database yang mirip (similar) dengan citra yang dimasukan tersebut. Pada metode ini, kemiripan (similarity) berdasarkan pada isi (content) dari citra seperti fitur warna, tekstur dan bentuk[2]. Fokus aktual yang ditekankan pada penelitian temu-kembali dengan queri berupa contoh ini adalah efektifitas berupa keakuratan mendapatkan citra-citra yang relevan.
Fitur tekstur memegang peranan penting pada sistem temu-kembali, karena tekstur merupakan komponen penentu dari persepsi visual manusia dan setiap orang dapat mengenali tekstur walau lebih sulit untuk mendefinisikannya dibandingkan fitur lain. Tidak seperti warna, tekstur lebih menggambarkan region dibandingkan titik atau piksel dan fitur tekstur ini biasanya didefinisikan hanya berdasarkan tingkat keabuan (gray level). Selain itu, fitur tekstur ini dapat digambarkan menurut arah, kekasaran, kontras dan lainnya. Hal-hal diatas itulah yang membuat fitur tekstur menarik untuk diteliti baik itu cara ekstraksi fiturnya maupun proses pemilihannya.
Pada proposal ini, penulis akan menjelaskan bagaimana membangun himpunan fitur tekstur citra dengan algoritma PNN pada framework keyblok yang akan membentuk codebook untuk encoding dan decoding citra, dimana hasil encoding citra merupakan data matriks satu dimensi yang dianalogikan sebagai kumpulan kata-kunci pada sistem temu-kembali teks. Studi mandiri dilakukan untuk memperdalam pemahaman penulis mengenai ekstraksi fitur tekstur citra batik. Implementasi pada penelitian ini dilakukan dengan menggunakan perangkat lunak Matlab 7.6 dan ekperimen dilakukan terhadap 11 citra batik yang berhasil dihimpun.
Kata kunci : Temu Kembali Informasi, Fitur Tekstur, Clustering, PNNA
|
|---|