Gambar 2.9 Grafik Recall - Precision
2.8 Riset-Riset Terkait
Pencarian citra atau penemuan kembali citra merupakan permasalahan yang menarik untuk dibahas. Beberapa riset terkait yang telah dilakukan oleh banyak peneliti
sebelumnya, berkaitan dengan temu-kembali citra berbasis-kandungan yang telah memberikan ide pada penelitian ini antara lain:
1. Li et al.2005, dalam risetnya membangun sebuah sistem untuk temu-kembali
citra berbasis-bentuk. Dalam riset ini, fitur bentuk yang kokoh dan efektif diperkenalkan yakni deskriptor citra senyawa compound image descriptor yang
menggabungkan transformasi Fourier dan koefisien fasa serta fitur global. Riset ini lebih menekankan pada pembentukan deskriptor dengan menerapkan
transformasi Fourier 2D standar. 2.
Ravi dan Wilson 2010, dalam risetnya menggunakan ruang warna YCbCr untuk mendeteksi daerah kulit pada citra wajah. Citra RGB terlebih dahulu
dikonversikan ke dalam ruang YCrCb. YCrCb ini kemudian dikonversikan menjadi citra grayscale. Berdasararkan tepi wajah ditentukan titik pusat dari citra
foto wajah. Kemudian dengan menggunakan fitur warna kulit, bentuk wajah dan fitur wajah seperti mulut, mata dan hidung melakukan perbandingan untuk
Universita Sumatera Utara
menentukan jenis kelamin gender. Klasifikasi dilakukan dengan menggunakan suppport vector machines.
3. Jayech dan Mahjoub 2010, dalam risetnya, mengklasifikasikan citra dengan
menggunakan jaringan bayesian dalam beberapa bentuk yakni Naive Bayesian Network, Tree Augmented Naive Bayser dan Forest Augmented Bayse. Tahap awal
yang dilakukan dalam klasifikasi citra adalah citra wajah terlebih dahulu dibagi dalam beberapa blok. Kemudian histogram warna dari setiap blok dihitung dengan
menggunakan Gaussian Mixture Model GMM. Deskripsi tektur menggunakan Graylevel Level Co-occurence Matrix GLCM. Dengan menggunakan K-Means,
objek kemudian dikelompokkan ke dalam k cluster. Setiap blok diberi label dan diintegrasikan ke setiap k cluster. Berdasarkan pelabelan inilah dilakukan
klasifikasi dengan menggunakan jaringan bayesian. 4.
Sivabalakhrisnan dan Manjula 2010, dalam risetnya menggunakan ruang warna HSV untuk mengekstraksi suatu objek bergerak dari latar-belakangnya. Citra
diperoleh melalui akuisisi dan segmentasi sebuah deretan video. Langkah awal yang digunakan adalah mendeteksi dan membangun citra latar belakang. Daerah
objek bergerak kemudian dipisahkan dari latar belakang yang dibangun. Riset ini mengemukakan algoritma deteksi gerak manusia berbasis wilayah.
5. Koo dan Song. 2005 dalam risetnya memanfaatkan perbedaan relatif warna a di
dalam ruang warna Lab untuk mengestraksi fitur wajah. Fitur wajah yang diekstrak adalah mata, hidung, bibir dan wajah. Dengan mengetahui lokasi fitur
wajah ini, peneliti menyarankan koversi daerah wajah dari citra 2D menjadi citra wajah 3D.
6. Gopal dan Prasad 2008, dalam risetnya membangun sebuah sistem temu-kembali
citra berbasis-bentuk. Dalam riset ini, deskripsi bentuk dibangun dengan menggunakan deskriptor Fourier. Untuk memperkuat deskripsi bentuk ini,
deskriptor Fourier diadapasi dengan freeman code, sehingga diperoleh bentuk tepi objek yang dinyatakan dalam konektivitas-8 atau neighborhood-8. Riset ini lebih
menekankan pada pendefenisian fitur bentuk. Pengukuran kemiripan dilakukan dengan menghitung jarak Euclidean.
7. Iqbal dan Aggarwal 2002, mengajukan CIRES, yakni sebuah sistem
perpustakaan online berbasis citra digital. Sistem ini menerapkan sistem temu- kembali citra berbasis-kandungan yang secara tradisional menggunakan analisis
Universita Sumatera Utara
warna dan tekstur. Analisis warna menggunakan ruang warna CIE LAB. Warna dipartisi hingga 2520 warna dan setiap warna diberi nama warna seperti merah
muda, coklat dan lain-lain. Analisa tekstur menggunakan filter Gabor dan menyimpan vektor fitur tekstur 48- dimensi. Pengukuran kemiripan digunakan
dengan menggunakan jarak Euclidean. Analisis kinerja tidak selalu mencapai tingkat yang memadai dan memuaskan pengguna.
2.9 Persamaan Dengan Riset-Riset Lain
Kategori