Analisis Perbandingan Pengaruh Noise Terhadap Akurasi Pendeteksian Obyek Menggunakan Metode Viola Jones
DOI:
https://doi.org/10.32877/bt.v7i1.1512
Keywords:
Deteksi Obyek, Gaussian Blur, Noise, PSNR, Salf And Pepper, Viola Jones
Abstract
Pendeteksian obyek merupakan salah satu masalah utama dalam bidang pengolahan citra digital dan visi komputer. Metode Viola-Jones telah menjadi algoritma yang sangat populer untuk pendeteksian wajah karena kecepatan dan akurasinya yang tinggi. Namun, performa metode ini sangat dipengaruhi oleh kualitas gambar yang digunakan. Dalam penelitian ini, gambar uji diberi tambahan Noise Salt and Pepper dan Gaussian Blur dengan berbagai tingkat intensitas. Kemudian, gambar yang telah diubah ini diuji menggunakan algoritma Viola-Jones untuk mengukur tingkat akurasi pendeteksian obyek. Hasil eksperimen menunjukkan bahwa Salt and Pepper Noise memiliki dampak yang lebih signifikan dalam mengurangi akurasi pendeteksian dibandingkan dengan Gaussian Blur. Hasil yang diperoleh pada penelitian ini adalah gambar/citra dengan kondisi blur pada tingkat rasio 6,8% diperolah hasil bahwa obyek (wajah) pada gambar sudah tidak terdeteksi lagi dan pada nilai PSNR minimum 16,62 dB dinyatakan gambar (wajah) layak untuk di proses, nilai PSNR minimum 17,61 dB dinyatakan gambar/citra wajah tidak dapat terdeteksi sebagai obyek (wajah), dan citra dengan kondisi terkena Salft and Pepper Noise pada Tingkat kekaburan 90 % diperolah hasil bahwa obyek (wajah) pada gambar sudah tidak terdeteksi lagi dan pada nilai PSNR minimum 19,04 dB dinyatakan gambar (wajah) layak untuk di proses, nilai PSNR minimum 11,41 dB dinyatakan gambar/citra wajah tidak dapat terdeteksi selain itu di temukan juga bahwa semakin tinggi nilai PSNR maka semakin tinggi pula nilai akurasi pendeteksian obyek pada pendeteksian obyek pada metode Viola Jones
Downloads
References
Algorithm in Various Backgrounds, Angles and Distances,” 2018, doi: 10.24466/ijbschs.23.1_27.
N. Dalal and B. Triggs, “Histograms of Oriented Gradients for Human Detection.” [Online]. Available: http://lear.inrialpes.fr
H. Wang, W. Ma, S. Zhang, G. Chen, H. Ge, and Y. Du, “Robust Visual Object Tracking with Multiple Features and Reliable Re-Detection Scheme,” IEEE Access, vol. 8, pp. 98810–98826, 2020, doi: 10.1109/ACCESS.2020.2997072.
O. Segun Joshua, S. Ibiyemi, J. S. Owotogbe, T. S. Ibiyemi, and B. A. Adu, “A Comprehensive Review On Various Types of Noise in Image Processing,” Article in International Journal of Scientific and Engineering Research, 2019, [Online]. Available: http://www.ijser.org
R. C. Gonzalez and R. E. (Richard E. Woods, Digital image processing.
H. L. S. Y. S. H. Andre Wedianto, “Analisa Perbandingan Metode Filter Gaussian, Mean Dan Median Terhadap Reduksi Noise,” Jurnal Media Infotama Vol. 12 No. 1, Februari 2016, 2016.
A. K. Jain, R. P. W. Duin, and J. Mao, “Statistical pattern recognition: A review,” IEEE Trans Pattern Anal Mach Intell, vol. 22, no. 1, pp. 4–37, Jan. 2000, doi: 10.1109/34.824819.
Y.-Q. Wang, “An Analysis of the Viola-Jones Face Detection Algorithm,” Image Processing On Line, vol. 4, pp. 128–148, Jun. 2014, doi: 10.5201/ipol.2014.104.
A. R. Syafira and G. Ariyanto, “Sistem Deteksi Wajah Dengan Modifikasi Metode Viola Jones,” Jurnal Teknik Elektro, vol. 17, no. 01.
H. Sajati, “The Effect of Peak Signal to Noise Ratio (PSNR) Values on Object Detection Accuracy in Viola Jones Method,” Conference SENATIK STT Adisutjipto Yogyakarta, vol. 4, Nov. 2018, doi: 10.28989/senatik.v4i0.139.
G.I.W Tamtama, “G.I.W Tamtama Perbandingan dan Analisis Untuk Algoritma Deteksi (1)”.
M. Roopaei, M. K. Eghbal, M. Shadaram, and S. Agaian, “Noise-Free rule-Based fuzzy image enhancement,” in IS and T International Symposium on Electronic Imaging Science and Technology, Society for Imaging Science and Technology, 2016. doi: 10.2352/ISSN.2470-1173.2016.13.IQSP-225.
A. V Abraham and P. Student, “FR IQA Classification and Evaluation,” 2007. [Online]. Available: www.ijirset.com
A. 2017 Kusumaningrum, “Pengaruh Jumlah File Training Terhadap Akurasi Pendeteksian Obyek Pada Metode Viola Jones,” 2017.
G. Badshah, S. C. Liew, J. M. Zain, and M. Ali, “Watermark Compression in Medical Image Watermarking Using Lempel-Ziv-Welch (LZW) Lossless Compression Technique,” J Digit Imaging, vol. 29, no. 2, pp. 216–225, Apr. 2016, doi: 10.1007/s10278-015-9822-4.
M. Khalid, I. Rahmani, N. Pal, K. Arora, and M. T. Scholar, “Clustering of Image Data Using K-Means and Fuzzy K-Means,” 2014. [Online]. Available: www.ijacsa.thesai.org
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 bit-Tech
![Creative Commons License](http://i.creativecommons.org/l/by-sa/4.0/88x31.png)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
I hereby assign and transfer to bit-Tech all exclusive copyright ownership rights to the above work. This includes, but is not limited to, the right to publish, republish, downgrade, distribute, transmit, sell, or use the work and other related materials worldwide, in whole, or in part, in all languages, in electronic, printed, or any other form of media, now known or hereafter developed and reserves the right to permit or license a third party to do any of the above. I understand that this exclusive right will belong to bit-Tech from the date the article is accepted for publication. I also understand that bit-Tech, as the copyright owner, has sole authority to license and permit reproduction of the article. I understand that, except for copyright, any other proprietary rights associated with the work (e.g. patents or other rights to any process or procedure) must be retained by the author. In addition, I understand that bit-Tech permits authors to use their papers in any way permitted by the applied Creative Commons license.