17
suatu
vektor
observasi
ke
ruang
fitur.
Tujuan
utama
dari
ekstraksi
fitur
adalah
untuk
mengurangi
data
dengan
mengukur
fitur
tertentu
yang
membedakan pola
input.
Untuk
ekstraksi
ciri, orang dapat memilih subset dari vektor input yang diamati, atau salah satu
dapat
mengubah
vektor
input pengamatan
menggunakan beberapa aplikasi dasar
fungsi.
Didalam banyak
ortogonal, vektor
observasi
diperoleh
dengan
sampling
sebuah
citra
masukan
yang
mewakili
vektor
observasi
yang
dipetakan ke
fitur
domain
ruang.
Data
dalam
domain
diubah,
kemudian
dapat
diurutkan
menurut
tingkat
signifikansi
isi
dan
kualitas pola diambil.
2.2.3 Feature Extraction
Selama 30
tahun
terakhir, banyak
teknik
telah
dikembangkan untuk ekstraksi
fitur,
contohnya Fourier
transform,
moment
invariants,
distribusi
Wigner,
Hough
transform,
polymials
ortogonal, fungsi
gabor,
dll.
Banyak
model
jaringan
neural
telah
diusulkan
untuk
ekstraksi
fitur.
Masalah
pengakuan
invariant
objek
sering
ditangani
pada
tahap
ekstraksi
fitur
karena,
untuk
mempertimbangkan translasi,
rotasi,
dan
perbedaan skala
pada
citra,
sistem
pengenalan
harus
melatih
lebih
dari
sejumlah
besar
sampel
pelatihan.
Untuk
mendapatkan
fitur
invariant, sifat-sifat
transformasi
Fourier
sering
digunakan.
Fitur
tekstur
(texture feature)
sering
digunakan
untuk
mengenali
objek.
Teksturnya
umumnya
diakui sebagai
dasar
untuk persepsi.
Banyak
metode
statistik
dan
struktural,
serta
model
jaringan
syaraf
tiruan
untuk
menganalisis tekstur
tersedia.
Metode
statistik
analisis
tekstur
didasarkan
pada
hubungan
antara
nilai-nilai
abu-abu piksel dalam
gambar.
Ekstraksi
fitur panggung
juga berkaitan dengan ekstraksi
fitur tekstur.
 |