Hasil Pencarian  ::  Simpan CSV :: Kembali

"Teori color Vision yang telah ada sebelum munculnya teori retinei, seperti teori tiga pigmen (teori Young-Helmholtz) dan teori warna oponen, temyata kurang dapat menjelaskan fenomena yang ada dalam dunia penglihatan manusia seperti color constancy dan simultaneous contrast. Ternyata kemudian Land memperkenalkan teorinya yang mencoba menggali kemampuan mata manusia dalam menangkap dan memproses gambar objek. Dalam pengolahan citra, retinex ini dapat diartikan sebagai proses yang menghadirkan realisme visual pada citra secara otomatis.Di antara banyak algoritma retinex yang ada, dalam skripsi ini akan dibahas dua algoritma relinex, yaitu algoritma relines McCann99 dan algoritma retinex Frankle-McCann secara mendalam disertai dengan implementasinya pada Matlab. Dari iimplementasi Matlab yang telah dirancang agar dapat memproses gambar berwarna, akan dilakukan uji coba. Dalam hasil uji coba akan terlihat bagaimana proses kerja dan ;unjuk kerja retinez terhadap citra input, yang menunjukkan bahwa kedua algoritma refinex tersebut dapat melakukan perbaikan citra dalam masalah color constancy dan juga melakukan estimasi pencahayaan yang sesuai dengan efek simultaneous contrast."

"Image clustering adalah pengelompokan citra berdasarkan kesamaan ciri tententu pada sekumpulan citra. Image clustering yang dilakukan berdasarkan konten citra dapat menggunakan komponen warna, tekstur, garis tepi, bentuk, dan lainnya, atau berupa gabungan dari beberapa komponen. Pada penelitian ini dilakukan image clustering berdasarkan komponen warna. Tiga hal yang diperhatikan dalam proses clustering ini adalah penggunaan ruang warna, representasi citra, dan metode clustering. Ruang warna yang digunakan dalam penelitian ini adalah RGB, HSV, dan L*a*b*. Representasi citra atau feature extraction menggunakan histogram dan Gaussian Mixture Model, sedangkan metode clustering yang digunakan adalah K-Means dan Agglomerative Hierarchical. Pada ruang warna RGB dan L*a*b*, kinerja clustering terbaik berhasil dilakukan dengan menggunakan representasi citra GMM, sedangkan pada ruang warna HSV, citra yang berhasil dikelompokan dengan kinerja paling baik menggunakan representasi citra histogram. Kemudian, metode K-Means clustering bekerja lebih baik daripada Agglomerative Hierarchical pada image clustering yang menggunakan komposisi warna.

---

Image clustering is a process of grouping the image based on their similarity. Image clustering based on image content usually uses the color component, texture, edge, shape, or mixture of two components, etc. This research focuses in image clustering uses color component. Three main concepts concerned on this research are color space, image representation (feature extraction), and clustering method. RGB, HSV, and L*a*b* are used in color spaces. The image representations use Histogram and Gaussian Mixture Model (GMM), whereas the clustering methods are K-Means and Agglomerative Hierarchical Clustering. The result of the experiment show that GMM representation is better used for RGB and L*a*b* color space, whereas Histogram is better used for HSV. The experiment also show that K-Means better than Agglomerative Hierarchical for clustering method."

"K-mean methods is a clustering method in which grouping techniques are based only on distance measure among observed objects,withouth considering statistical aspects. Model based clustering is a method that use statistical aspects,as its theoretical basis i.e.probality maximum criterion....."

"K-Mean method is a clustering method in which grouping techniques are based only on distance measure among observed objects, without considering statistical aspects...."