Models of Software Evolution_ Life Cycle Model - First by pptfiles

VIEWS: 24 PAGES: 54

									              Ir H Iyus Rusmana MT
             Jurusan Teknik Elektro
Sekolah Tinggi Teknologi Yogyakarta
                  Cornea
                    Iris



         Lens




                Visual Axis




Retina

   Blind Spot
                Fovea



                A cross section of the human eye
                (Gonzalez & Woods, 1992)
                                                   2
STRUKTUR &
FUNGSI - 1
 Sklera (bagian putih mata) :
  merupakan lapisan luar mata
  yang berwarna putih dan relatif
  kuat.
 Konjungtiva :
  selaput tipis yang melapisi
  bagian dalam kelopak mata dan
  bagian luar sklera.


                                    3
STRUKTUR &
FUNGSI - 2
   Kornea :
    struktur transparan yang
    menyerupai kubah, merupakan
    pembungkus dari iris, pupil dan
    bilik anterior serta membantu
    memfokuskan cahaya.



                                      4
STRUKTUR &
FUNGSI - 3
 Pupil :
  daerah hitam di tengah-tengah iris.
 Iris :
  jaringan berwarna yang berbentuk cincin,
  menggantung di belakang kornea dan di
  depan lensa; berfungsi mengatur jumlah
  cahaya yang masuk ke mata dengan cara
  merubah ukuran pupil.
                                             5
STRUKTUR &
FUNGSI - 4
 Lensa :
  struktur cembung ganda yang tergantung
  diantara humor aqueus dan vitreus; berfungsi
  membantu memfokuskan cahaya ke retina.
 Retina :
  lapisan jaringan peka cahaya yang terletak di
  bagian belakang bola mata; berfungsi
  mengirimkan pesan visuil melalui saraf
  optikus ke otak.
                                                  6
STRUKTUR &
FUNGSI - 5
   Saraf optikus :
    kumpulan jutaan serat saraf yang membawa
    pesan visuil dari retina ke otak.




                                               7
STRUKTUR &
FUNGSI - 6
 Humor aqueus :
  cairan jernih dan encer yang mengalir
  diantara lensa dan kornea (mengisi segmen
  anterior mata), serta merupakan sumber
  makanan bagi lensa dan kornea; dihasilkan
  oleh prosesus siliaris.
 Humor vitreus :
 gel transparan yang terdapat di belakang
  lensa dan di depan retina (mengisi segmen
  posterior mata).
                                              8
SISTEM
KERJA - 1
 Cahaya  yang masuk melalui kornea
  diteruskan ke pupil.
 Iris mengatur jumlah cahaya yang
  masuk dengan cara membuka dan
  menutup, seperti halnya celah pada
  lensa kamera.


                                       9
SISTEM
KERJA - 2
 Jika lingkungan di sekitar gelap, maka
  cahaya yang masuk akan lebih banyak;
  jika lingkungan di sekitar terang, maka
  cahaya yang masuk menjadi lebih
  sedikit.
 Ukuran pupil dikontrol oleh otot sfingter
  pupil, yang membuka dan menutup iris.

                                              10
SISTEM
KERJA - 3
 Lensa terdapat di belakang iris.
  Dengan merubah bentuknya, lensa
  memfokuskan cahaya ke retina.
 Jika mata memfokuskan pada objek yang
  dekat, maka otot silier akan berkontraksi,
  sehingga lensa menjadi lebih tebal dan lebih
  kuat.
 Jika mata memfokuskan pada objek yang
  jauh, maka otot silier akan mengendur dan
  lensa menjadi lebih tipis dan lebih lemah.
                                                 11
SISTEM
KERJA - 4
 Retina mengandung saraf-saraf cahaya
  dan pembuluh darah.
 Bagian retina yang paling sensitif adalah
  makula, yang memiliki jutaan ujung
  saraf.
 Banyaknya ujung saraf ini menyebabkan
  gambaran visuil yang tajam.
 Retina mengubah gambaran tersebut menjadi
  gelombang listrik yang oleh saraf optikus
  dibawa ke otak.
                                              12
        Sistem Visual Manusia
   Fovea di bagian retina terdiri dari dua jenis receptor:
     Sejumlah cone receptor, sensitif terhadap warna, visi cone
      disebut photocopic vision atau bright light vision
     Sejumlah rod receptor, memberikan gambar keseluruhan
      pandangan dan sensitif terhadap iluminasi tingkat rendah,
      visi rod disebut scotopic vision atau dim-light vision
   Blind Spot
     adalah bagian retina yang tidak mengandung receptor
      sehingga tidak dapat menerima dan menginterpretasi
      informasi
                                                                  13
       Sistem Visual Manusia
   Subjective brightness
     Merupakan tingkat kecemerlangan yang dapat ditangkap sistem
      visual manusia;
     Merupakan fungsi logaritmik dari intensitas cahaya yang masuk ke
      mata manusia;
     Mempunyai daerah intensitas yang bergerak dari ambang scotopic
      (redup) ke ambang photocopic (terang).
   Brightness adaption
     Merupakan fenomena penyesuaian mata manusia dalam
      membedakan gradasi tingkat kecemerlangan;
     Batas daerah tingkat kecemerlangan yang mampu dibedakan secara
      sekaligus oleh mata manusia lebih kecil dibandingkan dengan daerah
      tingkat kecemerlangan sebenarnya.
                                                                         14
       Sistem Visual Manusia
   Kepekaan dalam pembedaan tingkat kecemerlangan
    merupakan fungsi yang tidak sederhana, namun dapat
    dijelaskan antara lain dengan dua fenomena berikut:

   Mach Band (ditemukan oleh Ernst Mach):




    pita tengah bagian kiri kelihatan lebih terang dari bagian
    kanan.


                                                                 15
       Sistem Visual Manusia
   Simultaneous Contrast:




    kotak kecil disebelah kiri kelihatan lebih gelap dari kotak
    kecil disebelah kanan, padahal intensitasnya sama tapi
    intensitas latar belakang berbeda. Hal sama terjadi bila
    kertas putih di meja kelihatan lebih putih daripada kertas
    sama diarahkan ke sinar matahari.


                                                                  16
Data Acquisition

   Sistem Perekaman Citra
     Citra yang diperoleh tergantung:
      ○ karakteristik dari obyek yang direkam;
      ○ kondisi variabel dari sistem perekaman;
     Citra merupakan gambaran tentang karakteristik suatu obyek
      menurut kondisi variabel tertentu;
     Contoh:
      ○ bandingkan hasil foto manusia dengan kamera / sensor optik dan
        dengan sensor sinar X (kondisi variabel sistem berbeda);
      ○ bandingkan hasil foto pemandangan di tepi laut dan di daerah
        pegunungan (karakteristik obyek berbeda).

                                                                         17
         Pengertian Sensor Aktif dan Pasif
   Sensor Pasif
     Sistem sensor yang merekam data obyek tanpa
      mengirimkan enersi, sumber enersi bisa dalam bentuk
      sinar matahari, sinar lampu, dlsb.nya;
     Contoh: sensor optik dari kamera foto, sensor optik pada
      sistem inderaja.
   Sensor Aktif
     Sistem sensor yang merekam data obyek mengirimkan
      dan menerima pantulan dari enersi yang dikirim ke arah
      obyek, enersi yang dikirim bisa berupa gelombang
      pendek, sinar X, dlsb.nya;
     Contoh: sensor Rontgen untuk foto thorax, sensor
      gelombang pendek pada sistem radar, sensor ultrasound
      pada sistem USG.

                                                                 18
         Sensor Pasif Optik dan Sensor Aktif Radar




                                          Radar Sensor / Active Sensor:
Optical Sensor / Passive Sensor:          ERS-1 (First European Remote Sensing Satellite) -
                                          ESA, 1991
Landsat TM (Land Satellite) - USA, 1982
                                          FUYO-1 (JERS-1) - Japan, 1992
Landsat MSS - USA, 1984
                                          Radarsat (Radar Satellite) - Canada, 1995
SPOT (Systeme Probatoire d’Observation
de la Terre) - French, 1986/1990
                                                                                              19
   Pengertian Citra Dijital


                      Sampler




Citra kontinue                     Citra dijital        Matriks citra dengan obyek angka 5




 Resolusi spasial :                                Resolusi kecemerlangan :
 Tinggi (16 x 16)               Rendah (8 x 8)          Tinggi (4)              Rendah (2)
                                                                                             20
    Resolusi Spasial dan
    Kecemerlangan/Brightness -1

     Resolusi Citra
     Dikenal: resolusi spasial dan resolusi
      kecemerlangan, berpengaruh pada besarnya
      informasi citra yang hilang.
     Resolusi spasial: halus / kasarnya pembagian kisi-
      kisi baris dan kolom. Transformasi citra kontinue ke
      citra dijital disebut dijitisasi (sampling). Hasil
      dijitisasi dengan jumlah baris 256 dan jumlah kolom
      256 - resolusi spasial 256 x 256.

                                                        21
    Resolusi Spasial dan
    Kecemerlangan/Brightness -2

     Resolusi Citra
     Resolusi kecemerlangan (intensitas / brightness):
      halus / kasarnya pembagian tingkat kecemerlangan.
      Transformasi data analog yang bersifat kontinue ke
      daerah intensitas diskrit disebut kwantisasi.
     Bila intensitas piksel berkisar antara 0 dan 255 -
      resolusi kecemerlangan citra adalah 256.



                                                          22
Resolusi Spasial - Sampling
   Sampling Uniform dan Non-uniform
     Sampling Uniform mempunyai spasi (interval) baris dan
      kolom yang sama pada seluruh area sebuah citra.
     Sampling Non-uniform bersifat adaptif tergantung
      karakteristik citra dan bertujuan untuk menghindari
      adanya informasi yang hilang. Daerah citra yang
      mengandung detil yang tinggi di-sampling secara lebih
      halus, sedangkan daerah yang homogen dapat di-
      sampling lebih kasar. Kerugian sistem sampling Non-
      uniform adalah diperlukannya data ukuran spasi atau
      tanda batas akhir suatu spasi.

                                                              23
  Digitizing an image

       Column of samples
                              Pixel                                            255
                                                               Black
Line


                                                Line Spacing   Gray            128



                                                               White             0
                            Sample Spacing
          Picture          Sampling process
                                                                 Brightness Spacing
                           Spatial resolution
                                                                 Proses Kwantisasi
                                                               Brightness Resolution
       Sumber: Dimodifikasi dari Castlemen, 1996

                                                                                       24
Resolusi Kecemerlangan - Kwantisasi

   Kwantisasi Uniform, Non-uniform, dan Tapered
     Kwantisasi Uniform mempunyai interval pengelompokan
      tingkat keabuan yang sama (misal: intensitas 1 s/d 10
      diberi nilai 1, intensitas 11 s/d 20 diberi nilai 2, dstnya).
     Kwantisasi Non-uniform: Kwantisasi yang lebih halus
      diperlukan terutama pada bagian citra yang meng-
      gambarkan detil atau tekstur atau batas suatu wilayah
      obyek, dan kwantisasi yang lebih kasar diberlakukan
      pada wilayah yang sama pada bagian obyek.
     Kwantisasi Tapered: bila ada daerah tingkat keabuan
      yang sering muncul sebaiknya di-kwantisasi secara lebih
      halus dan diluar batas daerah tersebut dapat di-
      kwantisasi secara lebih kasar (local stretching).

                                                                      25
       Resolusi Uniform vs Non-Uniform
   Tidak perlu resolusi
    spasial yang non-uniform
   Perlu resolusi spasial yang
    non-uniform
   Tidak perlu resolusi
    kecemerlangan yang non-
    uniform (untuk warna
    hitam dan putih)
   Perlu resolusi
    kecemerlangan yang non-
    uniform (untuk warna
    kehijauan dan kemerahan)
                                         26
     Hubungan antara piksel dan
     pengertian connectivity

4-tetangga piksel P            8-tetangga piksel P
        X                          X    X   X
    X   P   X                      X   P    X
        X                          X    X   X


Connectivity/Konektivitas: 4-tetangga atau 8-tetangga dengan
kriteria gray level yang sama, misal: sama-sama 0 atau sama-
sama 1 atau sama-sama bedanya tidak lebih dari 5 tingkat
keabuan, dlsb.nya
                                                           27
         Labelling of connected component

Dengan kriteria piksel sama-sama bernilai 1: (a) dengan aturan
4-tetangga dan (b) dengan aturan 8 tetangga:
0 0 0 0 0 0                     0 0 0 0 0 0
0 0 1 1 0 0                     0 0 1 1 0 0
0 1 1 0 0 0                     0 1 1 0 0 0
0 1 1 0 1 1                     0 1 1 0 1 1
0 0 0 1 1 1                     0 0 0 1 1 1
0 0 0 0 0 0                     0 0 0 0 0 0
   ekivalen dengan
   ekivalen dengan                                               28
   Operasi Aritmetik / Lojik pada Citra

 Operasi    Aritmetik antara dua citra
 + - x /
  Band ratio antara citra sensor optik Landsat TM
   band 3 dan band 4 dapat digunakan untuk
   analisis vegetasi, begitu juga ratio antara selisih
   dan jumlahnya.
  Operasi selisih antara dua citra temporal dapat
   digunakan untuk deteksi perubahan wilayah.


                                                         29
Operasi Aritmetik / Lojik pada Citra

   Operasi selisih antara dua citra temporal dapat digunakan
    untuk deteksi perubahan wilayah.




    Jakarta in 1994                    Jakarta in 1998
                      (Lapan, 2001)                             30
            Operasi Aritmetik / Lojik pada Citra

     Operasi        Lojik antara dua citra
          OR AND NOT
          Masking (AND) operation dapat digunakan untuk
            memisahkan antara bagian obyek dan bagian
            latar belakang pada citra biomedik.


Object of interest
                                                  Mask dengan
‘jaringan paru’
                                                  operasi AND




                                                                31
Komponen Sistem
Pengolahan Citra Dijital




  (Gonzalez & Woods, 1992)


                             32
     Elemen Fungsi Dasar Sistem Pengolahan Citra

   Pembentukan Citra
     Sensor yang sensitif terhadap gelombang EM
      menghasilkan sinyal listrik sesuai dengan enersi yang
      diterima. Analog-to-Digital Converter / Digitizer akan
      mengubah sinyal listrik tersebut menjadi bentuk dijital.
     Scanner yang menerima masukan dalam bentuk analog
      (dokumen, peta, foto) akan mengubah menjadi data dalam
      bentuk dijital.
   Penyimpanan Citra
     Penyimpanan jangka pendek (sedang diproses): memory
     Penyimpanan on-line (siap dipakai): disk magnetik
     Penyimpanan arsip: pita atau disk magnetik, CD

                                                            33
        Elemen Fungsi Dasar Sistem Pengolahan Citra
        (Lanjutan)


   Pemrosesan Citra dan Komunikasi
     Data citra berukuran besar (perlu tempat simpan yang
      besar serta waktu proses yang lama).
     Issue penting pada komunikasi: kompresi citra.
     Issue penting pada pemrosesan citra: proses paralel.
   Peragaan Citra
     Dalam bentuk softcopy (layar peraga / monitor).
     Dalam bentuk hardcopy (printer, film writer, plotter).


                                                               34
      Elemen-elemen Sistem Analisis Citra




(Gonzalez & Woods, 1992)
                                            35
    Metodologi Pengolahan Citra

   Pembentukan Citra (Data Acquisition): Menentukan data yang
    diperlukan dan memilih metode perekaman citra dijital.
   Pengolahan Citra Tingkat Awal (Image Preprocessing):
    Meningkatkan kontras, menghilangkan gangguan geometrik /
    radiometrik, menentukan bagian citra yang akan diobservasi.
   Segmentasi Citra (Image Segmentation) dan Deteksi Sisi
    (Edge Detection): Melakukan partisi citra menjadi wilayah-
    wilayah obyek (internal properties) atau menentukan garis
    batas wilayah obyek (external shape characteristics).
   Seleksi dan Ekstraksi Ciri (Feature Extraction and Selection):
    Seleksi ciri memilih informasi kwantitatif dari ciri yang ada,
    yang dapat membedakan kelas-kelas obyek secara baik.
    Ekstraksi ciri mengukur besaran kwantitatif ciri setiap piksel

                                                                 36
Metodologi Pengolahan Citra (Lanjutan)

 Representasi dan Deskripsi: Suatu wilayah dapat direpresentasi
  sebagai suatu list titik-titik koordinat dalam loop yang tertutup,
  dengan deskripsi luasan / perimeternya
 Pengenalan Pola (Pattern Recognition): Memberikan label
  kategori obyek pada setiap piksel citra berdasarkan informasi
  yang diberikan oleh deskriptor atau ciri piksel bersangkutan
  (pewilayahan jaringan keras dan pewilayahan berbagai jaringan
  lunak pada citra biomedik)
 Interpretasi Citra (Image Interpretation): Memberikan arti pada
  obyek yang sudah berhasil dikenali (dari citra klasifikasi
  biomedik dapat dilihat adanya penyakit tumor)
 Penyusunan Basis Pengetahuan: Basis pengetahuan ini
  digunakan sebagai referensi pada proses template matching /
  object recognition.



                                                                   37
      Beberapa Aplikasi
   Pembahasan dibatasi pada 4 contoh aplikasi
     Pengembangan Sistem Aplikasi Biomedik
     Pengembangan Sistem Optical Character
      Recognition (OCR)
     Pengembangan Sistem Aplikasi Indera
      jarak jauh
     Pengembangan Sistem Multitemporal
      Multisensor Image Classification and
      Fusion                                     38
      Metodologi Sistem Aplikasi Kedokteran (1)

                         Image Acquisition


Image Preprocessing


                                                Image Segmentation


                 Object Representation & Description


Knowledge Base


       Object Recognition              Analysis Result
                                                                     39
      Metodologi Sistem Aplikasi Kedokteran (2)


   Prosedur pemrosesan citra
     Data Acquisition – sistem perekaman citra X-Ray paru
      yang akan dideteksi apakah mengandung jaringan
      tumor atau kanker;
     Image Preprocessing – eliminasi gangguan atau proses
      deteksi sisi untuk menentukan batas wilayah obyek-
      obyek yang ada pada citra (jaringan paru, jaringan
      tumor, dan jaringan keras);
     Image Segmentation – menentukan wilayah setiap
      obyek yang ada pada citra, bisa menggunakan metode
      gabungan dengan deteksi sisi atau metode lainnya
      seperti metode clustering;
                                                             40
Metodologi Sistem Aplikasi Kedokteran (3)
Obyek yang akan dikenali: Tumor




                                            41
      Metodologi Sistem Aplikasi Kedokteran (4)


   Prosedur pemrosesan citra (Lanjutan)
     Object Representation and Description –
     menyiapkan informasi object of interest untuk
     analisis. Representasi obyek dapat dinyatakan
     dalam Freeman chain code yang berisi informasi
     garis batas jaringan tumor dengan deskripsi ciri
     bentuk wilayah tumor (misal dengan ciri Hough
     transform) atau representasi dalam bentuk citra
     wilayah dengan deskripsi sifat tonal atau ciri tekstur
     setiap wilayah;

                                                              42
       Metodologi Sistem Aplikasi Kedokteran (5)


   Prosedur pemrosesan citra (Lanjutan)
     Object Recognition – membandingkan (object / template
      matching) wilayah obyek pada citra apakah ada yang
      sama dengan informasi yang ada pada Knowledge
      Base yang dibentuk pada tahap pelatihan sistem, misal:
      apakah ada wilayah dengan intensitas rata-rata yang
      tinggi {putih) dan bentuk wilayahnya mendekati bulat
      atau ellips;
     Analysis Result – merupakan suatu keputusan apakah
      pada jaringan paru tersebut terdapat jaringan tumor
      atau kanker.
                                                               43
Metodologi OCR – Optical Character Recogniton (1)




   (MSU, 1990)                                      44
      Metodologi OCR – Optical Character Recogniton (2)



   Prosedur pemrosesan citra
     Data Acquisition – masukan berupa dokumen teks,
      perlu cropping lokasi-lokasi karakter yang akan
      dikenali;
     Image Preprocessing – proses yang dibutuhkan
      adalah deteksi sisi dan thinning atau skeletonizing
      untuk mendapatkan obyek karakter dengan
      ketebalan 1 piksel;

                                                            45
      Metodologi OCR – Optical Character Recogniton (3)


   Prosedur pemrosesan citra (Lanjutan)
     Representation & Description – ekstraksi ciri karakter,
      misal perhitungan ciri moment atau ciri lainnya;
     Character Recognition – pengambilan keputusan
      karakter apakah itu dengan membandingkan ciri
      karakter tersebut dengan knowledge base yang
      menyimpan ciri-ciri setiap karakter yang dibangun
      dalam tahap pelatihan;
     Recognized Character – merupakan hasil
      pengenalan.

                                                           46
 Metodologi OCR – Optical Character Recogniton (4)
 Preprocessing atau intermediate processing




Huruf hasil scanning    Huruf setelah ‘skeletonizing’
(Edi, 2002)
                                                        47
  Aplikasi Pengenalan Karakter
  (Sumber: Skripsi S1 Juanita Rohali)
  Hasil Pengenalan Obyek


       BAP AK BER UANG YANG J AH AT
PAD A ZAMAN DAHU L U KALA ADA SE E KOR BER
UANG YANG NAKAL DA N JA HAT
BER UA NG I TU BE RN AMA XAM I N
DIA S UKA ME M AKAN AN AK AN AK YANG TI DAK D
I SU KAI OLEH I BUN YA
SEHINGG A LA M A KELAMAAN ANAK AN AK DI D
UNIA ME NJADI MU SNAH B I NASA KAR EN A
DI MAKAN OLEH BAPAK BE RUAN G TERS EBUT
                                                48
Metodologi Sistem Aplikasi Inderaja (1)


             Image Acquisition


            Image Preprocessing


            Image Classification



            Image Postprocessing


              Thematic Image

                                          49
      Metodologi Sistem Aplikasi Inderaja (2)

   Prosedur pemrosesan citra
     Data Acquisition – apakah akan menggunakan citra
      sensor optik atau citra sensor Synthetic Aperture
      Radar (SAR) tergantung masalah;
     Image Preprocessing – apakah perlu filtering untuk
      eliminasi gangguan, apakah perlu registration dengan
      peta yang ada, apakah perlu dilakukan pemilihan ciri
      atau band atau panjang gelombang sensor yang
      paling cocok untuk identifikasi obyek penutup lahan
      yang diinginkan;
                                                         50
      Metodologi Sistem Aplikasi Inderaja (3)

   Prosedur pemrosesan citra (Lanjutan)
     Image Classification – membagi citra menjadi wilayah
      -wilayah obyek penutup lahan sesuai dengan
      kategori obyek yang ditentukan;
     Image Postprocessing – karena adanya noise /
      bentuk gangguan pada citra, sering terjadi wilayah-
      wilayah dalam ukuran kecil (single-pixel) yang perlu
      dihilangkan;
     Thematic Image – merupakan hasil analisis yang
      diperoleh.
                                                             51
Topik-topik Penelitian Akhir (2000-2003):
Multisensor Multitemporal Image Preprocessing Module




                                                       52
  Topik-topik Penelitian Akhir (2000-2003):
  Multisensor Multitemporal Image Classification & Fusion Module


 Preprocessed Images & Classification Control Parameters
                    Labelled Training Samples


                     Classification and Fusion


High-Level      High-Level         Augmented         Multiple
Cloud Cover     Data               Vector            Classifier
Elimination     Fusion             Approach          Approach


Mosaic Image       Fused Image              Classified Image
                                                                   53
Cloud cover elimination
(Sumber: Murni, 1997)
Masukan dan Keluaran Pengolahan Citra Digital




                                           Mosaic image




                                           Fused image



                                                          54

								
To top