2.10. Algoritma Speeded-Up Robust Features SURF
Algoritma SURF Bay H., dkk, 2006 bertujuan untuk mendeteksi fitur lokal suatu citra dengan handal dan cepat. Algoritma ini sebagian terinspirasi oleh algoritma
SIFT Scale-invariant feature transform, terutama pada tahap scale space representation Lowe DG, 1999.
SURF merupakan sebuah algoritma yang cepat dan akurat untuk proses mendeteksi descriptor lokal pada citra. Descriptor adalah sebuah ciri-ciri dari suatu citra
berdasarkan aturan tertentu dari suatu algoritma. Algoritma SURF dikembangkan oleh Herbert bay dkk pada tahun 2006. Secara umum, algoritma
SURF terdiri dari 3 bagian utama yaitu : 1. Detector Interest Point KeyPoint
Image yang dimasukkan akan diubah menjadi integral image dengan persamaan :
∑
, = ∑
≤ =
∑ ,
≤ =
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Setelah diperoleh integral image maka komputasi dilakukan dengan menggunakan persamaan Fast-Hessian Detector :
�, � = [ � �, �
� �, � � �, �
� �, � ] . . . . . . . . . . . . . . . . . . . . . . . . .
Di dalam algoritma SURF, digunakan turunan kedua Gaussian dalam pembuatan determinan dari Hessian sehingga diperoleh Hessian Matrix yang baru, hal ini
dilakukan menggunakan persamaan :
� �
= � � − .9� . . . . . . . . . . . . . . . . . . . . . . . . .
Universitas Sumatera Utara
2. Pembuatan SURF Descriptor. Langkah selanjutnya adalah menghitung nilai dari semua interestkeypoint yang telah
dilakukan pada tahap pertama. Metode Haar Wavelet digunakan pada tahap ini untuk memperoleh nilai dimenso
dari vektor, menggunakan persamaan :
� = ∑ , ∑
, ∑ | | ,
∑ | | . . . . . . . . . . . . . . . . . . . . . .
3. Setelah dipilih citra yang akan dicari, dan proses SURF detector descriptor telah berhasil memperoleh fitur dari seluruh citra koleksi, maka dilakukan proses
image matching similiarity comparison. Dicari dan ditampilkan citra yang memiliki kemiripan fitur dengan citra yang dicari dengan cara melakukan perhitungan jarak
antara dua citra.
2.11. Perhitungan Jarak Antara Dua Citra
Kategori