FUSI CITRA DENGAN SCALE INVARIANT FEATURE TRANSFORM (SIFT) SEBAGAI REGISTRASI CITRA

Irma Wulandari

doi:10.35760/ik.2020.v25i2.2870

FUSI CITRA DENGAN SCALE INVARIANT FEATURE TRANSFORM (SIFT) SEBAGAI REGISTRASI CITRA

Irma Wulandari
Politeknik Elektronika Negeri Surabaya
Indonesia

DOI: http://dx.doi.org/10.35760/ik.2020.v25i2.2870

Abstract

Fusi citra adalah proses menggabungkan dua atau lebih citra ke dalam satu citra, dengan mempertahankan fitur penting dari masing-masing gambar. Fusi citra adalah salah satu cara untuk menyelesaikan masalah gambar yang tidak fokus hasil dari penggunaan kamera non-profesional. Fusi citra juga dapat digunakan dalam penginderaan jauh, pengamatan, dan aplikasi medis. Dalam penelitian ini, diusulkan teknik fusi citra baru dengan menggunakan SIFT (Scale Invariant Feature Transform) sebagai registrasi citra. Prosedur fusi dilakukan dengan mencocokkan fitur gambar SIFT menggunakan RANSAC dan kemudian menggabungkan dua citra dengan aturan rata-rata piksel. Langkah terakhir membandingkan hasil fusi citra menggunakan Q_ABF, intensitas rata-rata piksel dan standard deviasi. Hasil eksperimental menunjukkan bahwa metode yang diusulkan mengungguli teknik fusi konvensional, terutama untuk citra yang mengalami translasi atau rotasi.

Keywords

Fusi Citra; SIFT (Scale Invariant Feature Transform); Registrasi Citra

References

M. T. Alvian, R. H. Sianipar dan M. Irwan, “Fusi citra berbasis transformasi wavelet diskrit menggunakan PCA (Prinsip Komponen Analisis),” Dielektrika, vol. 6, no. 1, Feb., hal. 75-83, 2019.

B. Purba, “Aplikasi perbaikan kualitas citra hasil penginderaan jauh (remote sensing) dengan metode contrast stretching,” Jurnal Technology Informatics & Computer System (Times), vol 6, no. 2, Des., hal. 26-36, 2017.

X. Le, X. Kang, L. Fang, dan H. Yin, “Pixel-level image fusion: a survey of the state of the art,” Information Fusion, vol. 33, Jan., hal. 100-112, 2017.

S. Paul, I. S. Sevcenco dan P. Agathoklis, “Multi-exposure and multi-focus image fusion in gradient domain,” Journal of Circuit, Systems and Computers, vol. 25, no. 10, 2016.

H. Khusnuliawati, “ Multi-feature fusion menggunakan integrasi fitur scale invariant feature transform dan local extensive binary pattern untuk pengenalan pembuluh darah pada jari,” tesis master, Institut Teknologi Surabaya, Surabaya, 2016.

P. Shah, S. N. Merchant, dan U. B. Desai, “An Efficient spatial domain fusion scheme for multifocus images using statistical properties of neighborhood,” Dalam Proc. 2011 IEEE International Conference on Multimedia and Expo, 2011, hal. 1-6.

D. G. Lowe, “ Distinctive image features from scale-invariant key points,” International Journal of Computer Vision, vol. 60, hal. 91-110, 2004.

M. A. Fischler dan R. C. Bolles, “Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography,” Communications of the ACM. ACM, vol. 24, no. 6, June, hal. 381–395, 1981.

N. Mitianoudis dan T. Stathaki, “Pixel-based and region-based image fusion schemes using ICA bases,” Information Fusion, vol. 8, Apr., hal. 131-142, 2007.

R. Maruthi, dan K. Sankarasubramanian, “Multi focus image fusion based on the information level in the regions of the images,” Journal of Theoretical and Applied Information Technology, vol. 3, no. 4, Des., hal. 80-85, 2007.

S. Li dan B. Yang, “Multifocus image fusion by combining curvelet and wavelet transform,” Pattern Recognition Letters, vol. 29, no. 9, Juli, hal. 1295-1301, 2008.

S. Ibrahim dan M. Wirth, “Visible and IR data fusion technique using the contourlet transform,” Dalam Proc. IEEE International Conference Science and Engineering, 2009, hal. 42-47.