113020187
000 - Generalistics
Karya Ilmiah - Skripsi (S1) - Reference
Other
284 kali
ABSTRAKSI: Dalam penggunaan analisa wavelet banyak applikasi penting bisa ditemukan<br /> dalam berbagai bidang mulai dari pengindraan jauh sampai pencitraan medis.<br /> Studi yang telah dilakukan secara intensif selama beberapa tahun terakhir<br /> menunjukan bahwa fungsi wavelet adalah fungsi transformasi yang sesuai untuk<br /> analisa tekstur suatu pada suatu gambar tekstur. Klasifikasi tekstur merupakan<br /> salah satu hal yang menarik untuk mengimplementasikan analisa wavelet. dengan<br /> memberikan beberapa parameter pada tekstur maka dapat diketahui bagaimana<br /> keefektivan dari analisa wavelet tersebut.<br /> Dalam Tugas akhir “Studi Perbandingan Metode Analisa dan Klasifikasi<br /> Tekstur pada Wavelet” ini akan menguji dua metode dekomposisi, sembilan filter<br /> wavelet transforms, dan enam metode klasifikasi sehingga berjumlah seratus<br /> delapan kombinasi metode yang diujicoba dengan sepuluh parameter tekstur<br /> untuk mengetahui pengaruh tiap parameter tekstur dari waktu dan prosentase<br /> kesalahan yang terjadi.<br /> Dari hasil yang diperoleh waktu proses klasifikasi berbanding lurus dengan<br /> kompleksitas metode dan berbanding terbalik terhadap parameter ukuran, rotasi<br /> dan brightness. Sedangkan untuk prosentase kesalahan sebaliknya. Dan secara<br /> umum semakin sedikit jumlah subband lebih optimal akan tetapi tingkat kesalahan<br /> klasifikasinya lebih tinggi.Kata Kunci : wavelet, tekstur, klasifikasi, dekomposisi, filter, parameter.ABSTRACT: In use analyze wavelet there are a lot of important application can be found in so<br /> many area start from remote censoring until biomedical imaging. Studies which<br /> have been done intensively during last some years show that wavelet function<br /> appropriate function transformation to analyze texture at one particular picture.<br /> Texture classification represents one of piquancy for implementation to analyze<br /> wavelet. Giving some parameter at knowable texture hence how effectiveness<br /> from the analysis wavelet.<br /> In this Final project "Comparison Study Analyze and Classification Texture<br /> Method on Wavelet" will test two decomposition method, nine wavelet filter<br /> transforms, and six classification method so that amount to one hundred eight<br /> method combination which tried with ten texture parameters to know influence<br /> every texture parameters from time and percentage mistake that happened.<br /> From obtained result time classification process compare diametrical with<br /> method complexity and compare inversed to size measure parameter, rotation and<br /> brightness. Otherwise for percentage mistake on the contrary. And in general<br /> progressively a little more optimal amount sub band however storey level of<br /> higher classification mistake.Keyword: wavelet, texture, classification, decomposition, filter, parameters.
Tersedia 1 dari total 1 Koleksi
Nama | KURNIA YUSUP |
Jenis | Perorangan |
Penyunting | Suyanto, Achmad Rizal |
Penerjemah |
Nama | Universitas Telkom |
Kota | Bandung |
Tahun | 2007 |
Harga sewa | IDR 0,00 |
Denda harian | IDR 0,00 |
Jenis | Non-Sirkulasi |