Pengenalan Wajah dengan Citra Masukan Berupa Citra Sketsa Wajah Sebagai Hasil Sintesis dengan Teknik Multiscale Markov Random Field (MRF)
Total View This Week0
Total View This Week0
Institusion
Universitas Kristen Maranatha
Author
Silajaya, Alvin ( 0922018 )
Subject
TK Electrical engineering. Electronics Nuclear engineering
Datestamp
2015-01-29 03:57:53
Abstract :
Kesulitan dalam mengimplementasikan metode algoritma hasil sintesis photo dari sketch adalah dengan menentukan jumlah kandidat ?k? patch sample wajah yang harus ditentukan terlebih dahulu secara acak. Untuk mengatasi kesulitan ini maka dibuatlah suatu pemodelan jaringan multiscale markov random field dari algoritma hasil sintesis photo. Sistem yang dibuat dalam Tugas Akhir ini dibagi ke dalam dua bagian utama, yaitu proses pelatihan dan proses pengujian. Dalam proses pelatihan, akan dibentuk suatu set eigenface dan fisherface dari set citra latih. Bobot citra latih yang didapat dari masing ? masing set akan diproyeksikan ke dalam matrik proyeksi optimal. Dalam proses pengujian, suatu citra uji akan dicari identitasnya. Pencarian identitas dilakukan dengan cara mencari jarak terpendek antara bobot citra uji dengan citra latih yang akan dibandingkan dengan suatu nilai batas. Sebuah citra wajah dikatakan cocok jika jarak minimumnya lebih kecil dari nilai batas yang ditetapkan. Hasil pengamatan yang didapat adalah bahwa pengenalan wajah dengan konstruksi eigenface dapat mengindentifikasi identitas citra uji sebesar 60% sedangkan dengan konstruksi fisherface sebesar 53%. Jadi, dalam Tugas Akhir ini hasil pengenalan wajah dengan eigenface lebih baik daripada fisherface.
Kesulitan dalam mengimplementasikan metode algoritma hasil sintesis photo dari sketch adalah dengan menentukan jumlah kandidat ?k? patch sample wajah yang harus ditentukan terlebih dahulu secara acak. Untuk mengatasi kesulitan ini maka dibuatlah suatu pemodelan jaringan multiscale markov random field dari algoritma hasil sintesis photo. Sistem yang dibuat dalam Tugas Akhir ini dibagi ke dalam dua bagian utama, yaitu proses pelatihan dan proses pengujian. Dalam proses pelatihan, akan dibentuk suatu set eigenface dan fisherface dari set citra latih. Bobot citra latih yang didapat dari masing ? masing set akan diproyeksikan ke dalam matrik proyeksi optimal. Dalam proses pengujian, suatu citra uji akan dicari identitasnya. Pencarian identitas dilakukan dengan cara mencari jarak terpendek antara bobot citra uji dengan citra latih yang akan dibandingkan dengan suatu nilai batas. Sebuah citra wajah dikatakan cocok jika jarak minimumnya lebih kecil dari nilai batas yang ditetapkan. Hasil pengamatan yang didapat adalah bahwa pengenalan wajah dengan konstruksi eigenface dapat mengindentifikasi identitas citra uji sebesar 60% sedangkan dengan konstruksi fisherface sebesar 53%. Jadi, dalam Tugas Akhir ini hasil pengenalan wajah dengan eigenface lebih baik daripada fisherface.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
