Klasifikasi Citra Radar Berdasarkan Pulsed Coupled Neural Networks : Ekstraksi Ciri Tekstur Grey Level Cooccurence Matrix Pada Citra Sar Pita L-Hv Dan C-Hv
Di pos oleh deyani -
Volume
Abstrak
Paper ini menyajikan hasil penelitian pendahuluan klasifikasi citra Synthetic Aperture Radar (SAR) berdasarkan pendekatan jaringan syaraf iiruan menggunakan arsitektur Pulse Coupled Neural Network (PCNN) dikombinasikan dengan ciri tekstur. Ciri tekstur citra diekstraksi menggunakan Grey Level Cooccurence Matrix (GLCM). Ciri tekstur yang digunakan untuk klasifikasi ini yaitu Correlation, Second Moment dan Dissimilarity. Pada eksperimen ini digunakan citra dari Propinsi Kalimantan Timur daerah Penajam. Citra diambil dari ESAR, satu sistem airborne milik Eropa. Citra SAR ini menggunakan pita C menggunakan teknik polarisasi Horizontal Vertikal (HV) dan pita L mengunakan teknik polarisasi yang sama. Kontribusi penelitian ini ialah penggunaan PCNN untuk klasifikasi citra bertekstur dan muiti kelas yang dikombinasikan dengan ciri tekstur. Hasil klasifikasi menunjukkan bahwa klasifikasi pada pita L lebih baik dibandingkan dengan pita C. Hasil klasifikasi baik pada pita C maupun pita L mendapatkan tiga wilayah yaitu wilayah hutan, wilayah lahan terbuka dan wilayah air yang terdiri dari laut, sungai dan rawa.Tahun
2012
Penulis
Harwikarya
Keyword
Klasifikasi, Jaringan Syaraf Tiruan, Pulse Coupled Neural Network, Tekstur