Evaluasi metode jaringan syaraf tiruan untuk koreksi geometri citra mosaik video udara tidak terkontrol

BUDIONO, Arif, Ir. Christine Noegroho Kartini, SU.Pj

2006 | Tesis | S2 Teknik Geomatika

Citra mosaik video udara tidak terkontrol merupakan gabungan dari frameframe video udara yang memiliki sifat geometri dan distorsi yang tidak tunggal. Sampai saat ini belum ada formula yang tepat dalam melakukan proses registrasi terhadap citra tersebut. Pada penelitian ini mencoba mengevaluasi penerapan suatu metode non parametrik yaitu Jaringan Syaraf Tiruan (JST) untuk melakukan koreksi geometri terhadap citra mosaik video udara yang tidak terkontrol. Arsitektur Jaringan Syaraf Tiruan memiliki pola belajar terselia dengan memakai metode back propagation . Jaringan terdiri dari 3 lapis, yaitu lapis masukan, lapis tersembunyi, dan lapis keluaran. Jaringan ini menggunakan 15 dan 25 titik kontrol sebagai pelatihan serta diujikan terhadap 25 titik kontrol dengan koordinat yang berbeda dengan data pelatihan. Pada 15 titik kontrol sebagai data pelatihan, proses Jaringan Syaraf Tiruan menghasilkan RMSE sebesar 0,3685 piksel, sedangkan jika menggunakan 25 titik kontrol sebagai data pelatihan menghasilkan RMSE sebesar 0,3088 piksel. Keduanya telah memenuhi syarat toleransi yaitu maksimal 2 piksel. Pengukuran kinerja jaringan terhadap 25 titik kontrol sebagai data uji menunjukkan bahwa JST dengan 25 titik kontrol sebagai data pelatihan mampu melakukan generalisasi dengan baik terhadap data uji dengan menghasilkan RMSE sebesar 0.4383 piksel. Sedangkan JST dengan 15 titik kontrol sebagai data pelatihan menghasilkan RMSE sebesar 18.4313 piksel yang tidak memenuhi syarat toleransi yaitu maksimal 2 piksel.

An uncontrolled aerial video mosaic images is the union of some aerial video frames that have no single geometric and distortion. Until now, there is no accurate formula for registrating this image. This research will evaluate a nonparametric model that is an Artificial Neural Network (ANN) for geometric correction applied to uncontrolled aerial video mosaic images. This Artificial Neural Network architecture has a supervised learning pattern using the backpropagation method. This network consists of three layers. These are input, hidden, and output layers. The network uses 15 and 25 Ground Control Points (GCPs) as training data and examined toward 25 GCPs. By using 15 GCPs as training data, the ANN process resulted in RMSE in 0.3685 pixel, whereas for 25 ones it is 0.3088. This result fulfilled the root mean square error tolerance requirement, with maximum of 2 pixels. The measurements of ANN performance with 25 GCPs as training data can be well generalized for 25 GCPs as examining data. This network has resulted RMSE in 0.4383 pixel. The ANN performance with 15 GCPs as training data resulted in RMSE in 18.4313 pixel, which was not fulfilled the root mean square error tolerance requirement.

Kata Kunci : Jaringan Syaraf Tiruan,Citra Mosaik Video Udara, Artificial Neural Network, geometric correction, uncontrolled aerial video mosaic images