Telaah Pustaka (V) : Pengenalan Wajah dengan Pemrosesan Awal Transformasi Wavelet

Penulis  :  Thessi Cahyaningtias
Sumber : http://iirc.ipb.ac.id/jspui/handle/123456789/16930
tahun : 2007

Tujuan penelitian ini adalah untuk menganalisis kinerja jaringan syaraf tiruan dalam pengenalan wajah yang mengalami praproses transformasi wavelet dengan jaringan syaraf tiruan tanpa praproses wavelet. Data yang digunakan pada penelitian ini sebanyak 100 wajah yang didapat dari universitas cambridge  (http://homepages.Cae.wisc.edu/~ece533/images/facedatabase/) yang terdiri dari 10 wajah dengan 10 ekspresi berbeda. Ukuran citra sebenarnya 48×48 piksel dan menggunakan citra berskala keabuan (gray scale) 8 bit.

Transformasi wavelet  berasal dari sebuah fungsi penyekala (scaling function) (Stollnitz et al. 1995). Fungsi ini dapat membuat sebuah induk wavelet dan wavelet-wavelet lainnya akan muncul dari hasil penyekalaan, dilasi dan pergeseran induk wavelet. Pengembangan sinyal berdimensi dua biasanya diterapkan bank filter untuk melakukan proses dekomposisi citra. Citra yang mengalami dekomposisi akan menghasilkan citra pendekatan berupa koefisien pendekatan dan citra detil berupa koefisien detil.

Dalam penelitian ini citra wajah dibagi dua menjadi 50 untuk pelatihan dan 50 untuk pengujian dengan memperhatikan posisi dan ekspresi. kemudian data tersebut akan mengalami 2 perlakuan yaitu praproses menggunakan transformasi wavelet dan tanpa transformasi. Hasil dari tahapan tersebut kemudian diproses menggunakan JST propagasi balik. Setiap percobaan mengamati nilai generalisasi terbaik untuk menemukan kombinasi hidden neuron, toleransi kesalahan, dan level dekomposisi untuk percobaan yang melalui praproses dekomposisi.

Kesimpulan dari penelitian tersebut adalah pengenalan wajah dengan praproses transformasi wavelet dapat meningkatkan nilai generalisasi, bahkan dapat mencapai 100% pada dekomposisi level 3. hal lain yang didapat adalah waktu komputasi saat proses pengenalan wajah yang mengalami proses dekomposisi Wavelet lebih cepat jika dibandingkan dengan komputasi tanpa dekomposisi Wavelet.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s