PEMANFAATAN KONSEP ATENSI VISUAL UNTUK MENGUKUR KOMPLEKSITAS CITRA DIJITAL

PEMANFAATAN KONSEP ATENSI VISUAL UNTUK MENGUKUR KOMPLEKSITAS CITRA DIJITAL Disampaikan dalam Konferensi Nasional Matematika XVII 11-14 Juni 2014 di Institut Teknologi Sepuluh November

Setiawan Hadi, Asep Sholahuddin, Juli Rejito Universitas Padjadjaran

Kompleksitas Citra DIjital

Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November

Pengukuran Kompleksitas Citra Dijital • Seberapa banyak perhatian/atensi diberikan untuk – Mendeteksi dan mengenal objek dalam citra – Membangun pemahaman maupun hubungan antar objek (statis, dinamis) yang terkandung dalam citra


Kompleksitas (Complexity) • an arrangement of parts, so intricate as to be hard to understand or deal with (Webster, 1986)


Kompleksitas Citra Dijital • Pengukuran kompleksitas citra dijital dilakukan untuk menyelesaikan permasalahan yang berkaitan dengan pemrosesan citra dijital antara lain : – ATR (Automated Target Recognizer) – Pattern recognition – Image retrieval – Image compression


Ukuran Kompleksitas • Kompleksitas Rendah (L)


Ukuran Kompleksitas • Kompleksitas Medium (M)


Ukuran Kompleksitas • Kompleksitas Tinggi (V)


Visual Attention • Sebuah proses dimana

– Otak manusia memutuskan bagian mana dari sebuah gambar yang dinilai penting dan perlu dijadikan fokus (perhatian) – Otak manusia memutuskan bagian mana dari sebuah gambar yang bisa dihilangkan atau dijadikan bagian latar belakang

• Informasi yang memiliki tingkat pencahayaan rendah seringkali intensitasnya ditingkatkan secara otomatis oleh otak untuk meyakinkan bahwa informasi yang diterima dapat diproses secara efektif. • Apabila informasi latar belakang tidak difilter di otak, maka seseorang akan mengalami kewalahan karena jumlah informasi visual yang dilihat mata begitu banyak


Demo Video • Selective Attention Test (Simons & Chabris (1999) – Hitunglah berapa kali pemain yang memakai kaus putih melempar bola

• Visual Awareness Test – Hitunglah berapa kali camar melemparkan ranting kayu


Permasalahan ??? Proses penyaringan informasi yang terjadi di otak manusia dan bagaimana menentukan bagian gambar yang dinilai penting (menarik perhatian) pada suatu saat, masih belum sepenuhnya difahami oleh para peneliti.


Visual Attention


Visual Attention


Visual Attention


VA Merupakan Hal Yang Penting • Tanpa kemampuan menyaring informasi, pekerjaan-pekerjaan seperti berkendaraan akan sulit dilakukan secara aman • Dengan memberikan perhatian (otak) pada bagian-bagian yang detil, maka objek-objek seperti rambu lalu lintas dapat dikenali dengan diproses sehingga keadaan yang memiliki potensi membahayakan dapat dihindarkan Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November

Saliensi • Saliensi adalah upaya untuk menentukan region mana dari sebuah gambar yang paling menyolok (conspicuous). • Sebuah konsep yang mencoba menirukan persepsi visual manusia (bio-inspired concept) • Ketika ada sebuah scene baru,

– sebuah low-level process akan mendrive gerakan mata (saccades) – otak berusaha mencari dan menentukan region mana yang difokuskan oleh mata.

• This calculation is performed by the regions V1-V4 of the primary visual cortex. Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November

Diagram Proses Atensi Visual dan Analisis Citra Dijital


Kategori Metode Atensi Visual

Bottom Up (Signal Driven) Top Down (Task Driven) Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November

Visual Attention Model


Model Komputasi Atensi Visual 1. Itti 2. Le Meur 3. Bruce


Model Komputasi Atensi Visual Itti • A model of saliency-based visual attention for rapid scene analysis, 1998 • Karakteristik: – Pendekatan hirarkhis menggunakan dekomposisi multi-resolusi dan penyaringan daerah sekitar yang terpusat – Representasi terpusat melalui pembangunan peta saliensi global


Model Komputasi Atensi Visual Le Meur • A coherent computational approach to model bottom-up visual attention, 2006 • Karakteristik: – Peningkatan Itti – Dibangun dengan fitur dan peta conspicuity yang lebih nyata (realistis tetapi lebih kompleks) – Skema penggabungan peta conspicuity yang ditingkatkan kualitasnya


Model Komputasi Atensi Visual Bruce • Saliency, attention, and visual search: An Information theoretic approach, 2009 • Karakteristik: – Pendekatan alternatif berbasis teori informasi – Menggabungkan independent component analysis (ICA) dengan pengukuran mandiri untuk memperkirakan saliensi dari setiap piksel citra


Skema Komputasi Visual Attention



Model Saliency


Atensi Visual dan Kompleksitas Citra


Atensi Visual dan Kompleksitas Citra


Mengukur Kompleksitas Citra • Seberapa sukar menjelaskan apa yang terkandung dalam citra dijital? (How hard is it to describe?) • Seberapa sukar pembuatan citra tersebut? (How hard is it to create?) • Bagaimana derajat pengorganisasian objekobjeknya, terstruktur, tidak terstruktur)? (What is its degree of organization?) Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November

Menentukan Kompleksitas Citra Secara Dengan Melihat Karakteristik Internal Citra


Pembangunan Peta Saliensi (GBVS-Graph Based Visual Saliency)


Indikator Kompleksitas • VAC-Visual Attention Complexity Saliency Maps


Deteksi Region Atensi Visual Berdasarkan Tekstur dan Fitur Objek


Deteksi Region Atensi Visual Berdasarkan Tekstur dan Fitur Objek


Image Complexity based Visual Attention


Database


Kesimpulan dan Saran 1. Kompleksitas citra dijital merupakan topik penelitian yang menantang 2. Dengan mengetahui nilai kompleksitas citra maka dapat dilakukan proses lanjutan berupa pemilihan metode analisis atau interpretasi, metode kompresi dsb 3. Penelitian saat ini masih memerlukan pendalaman lebih lanjut untuk menentukan metode yang tepat untuk menentukan VAC Konferensi Nasional Matematika XVII 11-14 Juni 2014 Institut Teknologi Sepuluh November

Referensi {1} Koortstra, G., Visual Attention and Active Vision : From Natural to Artificial Systems, Rijksuniversiteit Groningen, 2010. [2] Bundesen, C., A Theory of Visual Attention, Psychological Review. 97 (4), pp.523547, 1998 [3] Frintrop, S., Rome, E., and Christensen, H., Computational Visual Attention Systems and their Cognitive Foundations: A Survey, ACM Journal, 7 (1), 2010 [4] Itti, L., Koch, C., and Niebur., E., A Model of Saliency-based Visual Attention for Rapid Scene Analysis, IEEE Trans. On PAMI, 20 (11), pp. 1254-1259, 1998 [5] Da Silva, M.P., Courboulay, V., and Estraillier, P., Image Complexity Measure on Visual Attention, IEEE International Conference on Image Processing, 2011 [6] Filipe, S. and Alexandre, L.A., From the human visual system to the computational models of visual attention: a survey, Artificial Intelligence Review, Springer, 2013 [7] Horvitz, E., Kadie, C., Paek, T., and Hovel, D., Models of Attention in Computing and Communication: From Principles to Applications, Microsoft Research, 2013 [8] Itti, L. and Koch, C., Computational Modelling of Visual Attention, Nature Macmillan Magazine, 2, March 2001 [9] Qianpei Mai, Visual Attention Complexity of Scene, L'Universite de Nantes Polytech Nantes, 2013


PEMANFAATAN KONSEP ATENSI VISUAL UNTUK MENGUKUR KOMPLEKSITAS CITRA DIJITAL

Setiawan Hadi, Asep Sholahuddin, Juli Rejito Universitas Padjadjaran

PEMANFAATAN KONSEP ATENSI VISUAL UNTUK MENGUKUR KOMPLEKSITAS CITRA DIJITAL

Recommend Documents