APLIKASI SEGMENTASI OBJEK MENGGUNAKAN CELLULAR NEURAL NETWORK (CNN)

Devie Rosa Anamisa

Abstract


Perkembangan dan kemajuan dibidang teknologi dan informasi memberikan
pengaruh yang cukup besar dalam dunia analisis objek. Saat ini, proses manipulasi
objek menjadi semakin mudah dilakukan, Cukup banyak teknik untuk melakukan
segmentasi objek dua dimensi baik berwarna maupun gray-level, salah satunya dengan
metode thresholding. Namun pada penelitian sebelumnya, metode tersebut
menghasilkan estimasi fungsi yang sangat tidak mulus (under smooth). Oleh karena itu
pada penelitian ini menggunakan cellular neural network (CNN) untuk menghasilkan
segmentasi objek dua dimensi untuk menghasilkan estimasi fungsi yang mulus (smooth)
dengan menentukan kontur dan memastikan kebenaran segmentasi secara efektif. CNN
melakukan segmentasi dengan dua teknik, yaitu teknik model-based dan teknik regionbased. Model-based bergantung pada model RGB (Red, Green, Blue). Sedangkan
region-based berdasarkan objek dengan wilayah latar belakang. Ujicoba dilakukan
dengan menggunakan MATLAB. Hasil ujicoba menunjukkan metode CNN mampu
mengelompokkan objek secara terstruktur kedalam RGB (Red, Green, Blue) menjadi
gambar biner yang hanya mempunyai 2 derajat keabuan berdasarkan objek dengan
wilayah latar belakang.
Kata Kunci : Segmentasi, Objek, Metode, Celluler Neural Network, Kontur.

Full Text:

PDF

References


. Noor,S.C. Mengubah Citra Berwarna Menjadi Grayscale Dan Citra Biner. Jurnal Teknologi Informasi Dinamik.Vol.16, No.1. 2011.

. N.A.Fernndez,D.L.Vilario,V.M.Brea,and D.Cabello, "On the emulation of large neighborhood templates with binary CNN-basedar-chitectures". in Proc. 9th Int. Workshop Cell. Neural Networks Appl., Hsin-Chu, Taiwan, R.O.C., 2005, pp.274277.

. G.Costantini, D.Casali,and R.Perfetti."Cellular neural network template for rotation of grey-scale images". Electron. Lett., vol.39, no.25. pp.18031805, Dec.2003.

. Alper Basturk, Enis Gunay."Efficient edge detection in Digital images using a cellular neural network optimized by differential evolution algorithm". Expert Systems with applications, 36, pp. 2645-2650. 2009.

. Huaqing Li, Xiaofeng Liao, Chuandong Li, Hongyu Huang, Chaojie Li, Edge detection of noisy images based on cellular neural networks. Commun




DOI: http://dx.doi.org/10.21107/nero.v1i3.40

Refbacks

  • There are currently no refbacks.


Copyright (c) 2016 Devie Rosa Anamisa

Creative Commons License
NERO (Networking Engineering Research Operation) is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.