SALIENT POINTS PADA CITRA TULANG CORTICAL BERBASIS TRANSFORMASI WAVELET

SALIENT POINTS PADA CITRA TULANG CORTICAL BERBASIS TRANSFORMASI WAVELET

Oleh : Ika Usfarina Dhamasari (5106100040) Dosen Pembimbing 1: Dr. Agus Zainal Arifin, S. Kom, M. Kom Dosen Pembimbing 2: Diana Purwitasari, S. Kom, M. Sc JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INFORMASI INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2010

1

• Pendahuluan

2

• Dasar Teori

3

• Proses Ekstraksi Salient Points

4

• Uji Coba & Evaluasi

5

• Kesimpulan & Saran

1. Pendahuluan 2. Dasar Teori 3. Proses Ekstraksi SP 4. Uji Coba & Evaluasi 5. Kesimpulan & Saran

1. Pendahuluan • Latar Belakang

Adanya riset terkait salient points atau interest points [Lou99] Salient points mempunyai banyak kegunaan, antara lain diaplikasikan untuk berbagai keperluan antara lain registrasi citra medis, pengindeksan citra (image indexing), penelusuran, dan pencocokan stereoscopic [Bry05] 2


1. Pendahuluan • Latar Belakang

Pengukuran Lebar Cortical dapat digunakan sebagai diagnosa suatu penyakit (pengukuran secara manual memiliki kelemahan ) Tugas Akhir Pengukuran Lebar Cortical Bone Berbasis Active Shape Model (Gede Wirrya) dengan fokus pengembangan pada pembangkitan salient points secara otomatis berdasarkan Transformasi Wavelet 3

1. Pendahuluan 2. Dasar Teori 3. Proses Pengklasifikasian Gigi 4. Uji Coba & Evaluasi 5. Kesimpulan & Saran

1. Pendahuluan • Permasalahan

1. Bagaimana Transformasi Wavelet digunakan mendapatkan salient points suatu citra?

untuk

2. Bagaimana memunculkan salient points pada citra panorama gigi ROI tulang cortical yang telah diproses dengan Transformasi Wavelet?

4


1. Pendahuluan • Tujuan

Membangun sebuah aplikasi untuk membangkitkan (mengekstraksi) salient points pada citra panorama gigi ROI tulang cortical

Ekstraksi salient points dengan WSP

5


2. Dasar Teori • Anatomi Gigi

6


2. Dasar Teori • Konsep Piramida Citra

•Ukuran citra N x N •Didekomposisi sebanyak j level •Namun pada aplikasi ini didekomposisi sebanyak 3 level

7


3. Proses Ekstraksi SP • Dekomposisi dengan Transformasi Wavelet

Koefisien Approksimasi (CA j+1) atau subband LL atau A Koefisien Detail Horisontal (CD(h) j+1) atau subband HL atau H Koefisien Detail Vertikal (CD(v) j+1) atau subband LH atau V Koefisien Detail Diagonal (CD(d) j+1) atau subband HH atau D

8



Koefisien anak didefinisikan sebagai berikut

9


3. Proses Pengklasifikasian Gigi • Gambaran Umum

10


%Gauss function gauss= pre(image); im=double(image); H=fspecial('gaussian', 3, 0.5 gauss = imfilter(image, H, 'replicate'); %indexed image grayscale X=double(X)+1; X=ind2gray(X,map); 3. Proses Ekstraksi SP • Preprocessing

11



12


3. Proses Ekstraksi SP • Penghitungan Salient Points Bagian 1

13


H

D

V

Urutkan Saliency value pada detail horisontal

Urutkan Saliency value pada detail diagonal

Urutkan Saliency value pada detail vertikal

Tentukan threshold saliency value



Mendapatkan koordinat salient points (x,y)



Rekonstruksi citra

3. Proses Ekstraksi SP

Citra dengan salient points

• Penghitungan Salient Points Bagian 1 Selesai

14


4. Uji Coba dan Evaluasi • Metode Ground Truth

15

5. Uji Coba •Uji Coba 1

16


17


18

5. Kesimpulan & Saran • Kesimpulan

•Wavelet dapat digunakan untuk mengekstraksi salient points pada citra tulang cortex dengan batas ambang salient points yang diekstraksi yaitu minimal 8% s.d. 20% •Semakin banyak nilai koefisien wavelet yang diambil, makan semakin banyak pula jumlah salient points sebuah citra •Waktu komputasi berbanding lurus dengan jumlah salient points yang diekstraksi

19

5. Kesimpulan & Saran • Saran

•Uji coba dilakukan terhadap lebih banyak data •Metode uji coba menggunakan ASM, dengan hasil dari sistem ini dijadikan input untuk metode ASM, sehingga metode ini bisa diuji secara numerik, tidak hanya secara visual 20

erima Kasih 21

SALIENT POINTS PADA CITRA TULANG CORTICAL BERBASIS TRANSFORMASI WAVELET

Recommend Documents