Posts Tagged ‘Segmentasi’
Dalam beberapa tahun terakhir, identifikasi seseorang berdasarkan biometrik telah berkembang dengan pesat di kalangan akademik dan industri. Metode pengenalan identitas seseorang yang banyak digunakan di antaranya berdasarkan nomor identitas unik (kunci fisik, kartu identitas dan lainnya) atau berdasarkan ingatan terhadap sesuatu (sandi rahasia dan lainnya). Metode tersebut banyak memiliki kekurangan di antaranya adalah kartu identitas dapat hilang dan sandi dapat lupa dari ingatan seseorang. Ada dua jenis biometrik di antaranya adalah physiological (iris mata, wajah dan sidik jari) dan behavioural (suara dan tulisan tangan) (Yong et al. 2000).
Pengenalan iris mata adalah jenis biometrik berdasarkan fitur physiological. Iris memiliki tekstur yang unik dan cukup kompleks untuk digunakan dalam biometrik. Dibandingkan dengan metode biometrik lain seperti pengenalan wajah, pola iris lebih stabil dan dapat diandalkan. Iris mata seseorang juga memiliki pola yang konsisten, tidak seperti wajah yang relatif memiliki perubahan seiring dengan bertambah waktu.
Penelitian mengenai pengenalan iris mata telah dilakukan oleh Daugman (2002) yang menggunakan Gabor Wavelets dua dimensi pada ekstrasi ciri serta Hamming distances sebagai algoritme pengujian. Masek (2003) melakukan penelitian serupa dengan menggunakan data dari Chinese Academy of Science-Institute of Automation (CASIA) dan Lion’s Eye Institute (LEI). Selain itu, penelitian Abidin (2011) menggunakan jaringan syaraf tiruan sebagai algoritme pelatihan dan pengujian terhadap data CASIA dan menggunakan dekomposisi wavelet sebagai ekstraksi ciri.
Saya melakukan penelitian pengenalan iris mata juga menggunakan data dari CASIA yang dikembangkan dalam atas empat tahap. Tahap pertama adalah proses segmentasi citra untuk mengambil citra iris mata saja lalu membuang bagian citra yang lainnya. Pada tahap kedua, proses normalisasi dilakukan dengan mengubah dimensi citra iris menjadi tetap seningga menghasilkan ekstraksi ciri yang lebih baik. Tahap selanjutnya adalah melakukan ekstraksi ciri terhadap citra yang sudah ternormalisasi sehingga dihasilkan template yang memiliki nilai biner dan dilanjutkan ke tahap terakhir yaitu melakukan pelatihan serta pengujian terhadap template tersebut. Pelatihan dan pengujian template citra dilakukan pada tiga subset yang berbeda, untuk kemudian dilakukan perhitungan terhadap akurasinya menggunakan 3-fold cross validation. Penggunaan algoritme Voting Feature Intervals versi ke-5 (VFI5) pada penelitian ini diharapkan dapat memberikan pengetahuan tingkat akurasi yang diberikan untuk kemudian dapat dibandingkan dengan hasil penelitian lainnya.
Dari penelitian saya dapat diperoleh kesimpulan:
- penelitian ini memberikan nilai akurasi pengenalan iris mata rata-rata sebesar 95,555% untuk mati kiri, 93,333% untuk mata kanan dan 100% untuk penggabungan vote kedua mata,
- penggunaan threshold berdasarkan proporsi jumlah piksel yang bernilai < 100 memberikan hasil segmentasi yang lebih baik dibandingkan dengan penggunaan threshold yang tetap,
- kesalahan pengujian diakibatkan oleh output titik pusat lingkaran pada proses segmentasi tidak terpilih dengan baik, yang mengakibatkan banyak wilayah pupil yang ikut masuk ke dalam data untuk ekstraksi ciri, sedangkan ada sejumlah wilayah iris yang tidak masuk ke dalam data tersebut.