Sistem Pentautan Citra Udara Menggunakan Algoritme SURF (Speeded Up Robust Features) dan Metode Reduksi Data

ZAKI HAMIZAN, R. Sumiharto, S.Si., M.Kom

2017 | Skripsi | S1 ELEKTRONIKA DAN INSTRUMENTASI

Salah satu cara pentautan citra udara dapat menggunakan algoritme SURF. Algoritme ini memiliki ketahanan terhadap perubahan skala, rotasi, blurring, pencahayaan, dan perubahan bentuk. Namun sebagian hasil dari deteksi keypoint SURF tidak selalu dianggap sebagai keypoint yang menarik sehingga perlu dieliminasi. Sistem yang dibuat menggunakan detektor SURF pada proses pendeteksian. Metode reduksi data mengeliminasi keypoint yang dianggap saling berdekatan. Kemudian dilanjutkan dengan proses deskripsi keypoint dengan deskriptor SURF. Hasil deskripsi selanjutnya dicocokkan menggunakan FLANN. Tahap selanjutnya adalah pencarian pola matriks homograf dengan RANSAC dan pentautan citra dengan menumpuk keypoint menggunakan warpPerpective. Pengujian sistem pentautan dilakukan dengan beberapa variasi citra masukan, yaitu variasi skala, rotasi, dan overlap. Berdasarkan hasil pengujian, metode Reduksi data yang diterapkan memiliki nilai radius minimal optimum pada rentang 40 piksel hingga 100 piksel. Proses komputasi tetap dapat dikerjakan dengan reduksi jumlah keypoint hingga 90% dari jumlah awal keypoint. Rata-rata waktu komputasi dengan menggunakan metode Reduksi Data 39,41% lebih cepat daripada tanpa metode Reduksi.

One of the algorithm for aerial image stitching system is SURF. It is a robust algorithm which is invariant to image scale, rotation, blurring, illumination, and affine transformation. Although SURF has good performance, some of the detected keypoints are not always considered as necessary keypoints . As a result, these unnecessary keypoints are needed to be eliminated to decrease computation time. The proposed system uses SURF detector in the detection process. The data reduction method will eliminate couple of keypoints which have near distance each other. Next, the keypoints will be described by SURF descriptor.The description Results further matched using FLANN. The next step is the search pattern with RANSAC homography matrix and stitch the picture to accumulate keypoints using warpPerpective. Stitching system are tested with some variations, such as scale variations, rotation variations, and overlap variations on the image. Based on the result, the proposed Data Reduction method has optimum value of minimal radius from 40 pixels to 100 pixels. The stitching process is still working with up to 90% keypoint number reduction. Average computation time using Data Reduction method are 39,41% faster than without Data Reduction Method.

Kata Kunci : FLANN, RANSAC, eliminasi keypoint, radius minimal