21
2.2.3 Feature Extraction
Feature
Extraction
adalah proses
pengambilan ciri-ciri
yang
unik dari
data atau
image
yang
akan
diolah.
Selama
30
tahun
terakhir ini,
banyak
teknik
yang
telah
dikembangkan
untuk
ekstraksi
fitur,
contohnya
Fourier
transform,
moment
invariants,
distribusi Wigner, Houghtransform, 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.
Tekstur
umumnya
diakui
sebagai
dasar
untuk
melakukan persepsi.
Banyak
metode
statistik
dan
struktural,
serta
model
jaringan
syaraf
tiruan
untuk
menganalisis tekstur
yang
tersedia.
Metode
statistik
analisis
tekstur
didasarkan pada
hubungan
antara
nilai
piksel
abu-abu
dalam
citra.
Ekstraksi
fitur
umumnya juga
berkaitan
dengan
ekstraksi
fitur
tekstur.
Di
dalam program
yang kami buat, kami
menggunakan GLCM (Gray
Level Co-Occurrence
Matrix) dalam melakukan ekstraksi fitur.
2.2.3.1 Tujuan
Tujuan dari feature extraction antara lain:
•
Memperkecil jumlah data
•
Mengambil informasi yang penting dari data yang diolah
•
Mempertinggi presisi pengolahan
 |