Implementasi Metode Filter Gabor Pada Ekstraksi Fitur Image Wajah

Ego Prasetyo Ho Gutierres, Rinci Kembang Hapsari

Abstract


Setiap wajak seseorang memiliki ciri khusus. Dalam pemrosesan image, perbedaan ciri image dapat diketahui dengan menggali ekstraksi fitur dari image tersebut. Dalam penelitian ini melakukan ekstraksi fitur dengan menggunakan metode Filter Gabor. Metode Filter Gabor menghasilkan ukuran data yang lebih kecil namun tidak mengurangi ciri dari image wajah tersebut. Metode filter gabor dikenal sebagai detektor ciri yang sukses serta memiliki kemampuan mengeliminasi parameter variabilitas wajah yang pada metode lainnya sering menggangggu dalam proses pengenalan wajah. Data terdiri image wajah yang diambil dengan kamera Handphone IPHONE X. Data image disimpan dengan munggukan format jpg. Proses yang dilakukan sebelum image wajah diekstraksi ciri meliputi deteksi dan cropping bagian wajah, proses grayscaling, resize, dan proses filter gabor sehingga menghasilkan image yang siap diekstraksi cirinya. Berdasarkan hasil semua image dalam dataset bisa dicari nalai Ekstraksi Fitur dengan metode Filter Gabor dengan Ciri Staristik Ordo ke Dua dengan parameternya adalah Max Prabability, Energy dan Entropy.

Keywords


Citra, Ekstraksi Fitur, Filtur Gabor, Grayscale

Full Text:

PDF

References


A. Syarif, A. R. Tanjung, Ri. Andrian, and F. R. Lumbanraja, “Implementasi Metode Ekstraksi Fitur Gabor Filter dan Probablity Neural Network (PNN) untuk Identifikasi Kain Tapis Lampung,” J. Komputasi, vol. 8, no. 2, pp. 1–9, 2020, doi: 10.23960/komputasi.v8i2.2641.

A. Alhamad, “Ekstrasi Ciri Metode Filter Gabor Untuk Deteksi Kerusakan Terumbu Karang,” J. Nas. Cosphi, vol. 5, no. 2, pp. 46–51, 2021, [Online]. Available: https://cosphijournal.unisan.ac.id/index.php/cosphihome/article/view/118%0Ahttps://cosphijournal.unisan.ac.id/index.php/cosphihome/article/viewFile/118/67

F. Antony, H. Irsyad, and M. E. Al Rivan, “KNN Dan Gabor Filter Serta Wiener Filter Untuk Mendiagnosis Penyakit Pneumonia Citra X-RAY Pada Paru-Paru,” J. Algoritm., vol. 1, no. 2, pp. 147–155, 2021, doi: 10.35957/algoritme.v1i2.893.

R. C. . Gonzalez and R. E. Woods, Digital image processing, Second. Prentice Hall, 2008. doi: 10.1049/ep.1978.0474.

R. K. Hapsari, M. Miswanto, R. Rulaningtyas, and H. Suprajitno, “Identification of Diabetes Mellitus and High Cholesterol Based on Iris Image,” J. Hunan Univ. (Natural Sci., vol. 48, no. 10, pp. 151–160, 2021.

M. Khaladkar and S. Ganorkar, “A Novel Approach for Iris Recognition,” Int. J. Adv. Res. Comput. Eng. Technol., vol. 1, no. 4, pp. 2278–1323, 2012, [Online]. Available: http://ijarcet.org/wp-content/uploads/IJARCET-VOL-1-ISSUE-4-366-369.pdf




DOI: https://doi.org/10.31284/p.snestik.2024.5832

Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Ego Prasetyo Ho Gutierres, Rinci Kembang Hapsari

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