Analysis Thresholding Sauvola pada Background Subtraction untuk Deteksi Objek Bergerak

elindra ambar pambudi, Abid Yanuar Badarudin, Dimara Kusuma Hakim

Abstract


Metode segmentasi kebanyakan digunakan dalam teknik pengolahan citra yang berkaitan dengan deteksi objek bergerak. Segmentasi pada objek bergerak sangat penting untuk menentukan proses selanjutnya berupa pengenalan atau klasifikasi. Metode yang paling umum digunakan dalam teknik-teknik segmentasi adalah metode pengambangan. Metode pengambangan dibagi menjadi dua yaitu global dan lokal. Pada penelitian kali ini akan mencoba menggunakan salah satu metode pengambangan lokal adaptif yaitu sauvola. Sauvola akan digunakan sebagai nilai ambang dari background subtraction. Garis besar dari metode yang diusulkan dalam penelitian ini adalah ekstraksi frame, inisialisasi background, preprocessing, background subtraction, sauvola, pemberian masking. Hasil terbaik rata-rata MSE dan PSNR adalah 0.0011 dan 53,6653. Pengambangan dengan sauvola mendapat hasil cukup baik dan layak sebagai nilai ambang dari background subtraction.

Keywords


sauvola, pengambangan, subtraction, deteksi objek bergerak

References


Das, D., & Saharia, S. (2014). Implementation and Performance Evaluation of Background Subtraction Algorithms. International Journal on Computational Science & Applications, 4(2), 49–55. https://doi.org/10.5121/ijcsa.2014.4206

Ghaye, J., Kamat, M. A., Corbino-Giunta, L., Silacci, P., Vergères, G., De Micheli, G., & Carrara, S. (2013). Image thresholding techniques for localization of sub-resolution fluorescent biomarkers. Cytometry Part A, 83(11), 1001–1016. https://doi.org/10.1002/cyto.a.22345

Kalaiselvi, T. (2017). a Comparative Study on Thresholding Techniques for Gray Image Binarization. International Journal of Advanced Research in Computer Science, 8(7), 1168–1172. https://doi.org/10.26483/ijarcs.v8i7.4510

N, S., & S, V. (2016). Image Segmentation By Using Thresholding Techniques For Medical Images. Computer Science & Engineering: An International Journal, 6(1), 1–13. https://doi.org/10.5121/cseij.2016.6101

Pinki, R. M. (2016). Estimation of the Image Quality under Different Distortions. International Journal Of Engineering And Computer Science, 5(17291), 17291–17296. https://doi.org/10.18535/ijecs/v5i7.20

Shameena, N., & Jabbar, R. (2014). A Study of Preprocessing and Segmentation Techniques on Cardiac Medical Images. International Journal of Engineering Research and Technology (IJERT), 3(4), 336–341. https://doi.org/10.1177/1747016117711971




DOI: https://doi.org/10.31294/ji.v6i2.6164

Refbacks

  • There are currently no refbacks.


Copyright (c) 2019 Jurnal Informatika

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Index by:

 
 Published LPPM Universitas Bina Sarana Informatika with supported by Relawan Jurnal Indonesia

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Jakarta Pusat, DKI Jakarta 10450, Indonesia
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License