KLASIFIKASI CITRA RADAR BERDASARKAN PULSED COUPLED NEURAL NETWORKS : KASUS CITRA PITA C DAN PITA L
Di pos oleh deyani -
Volume
Abstrak
Makalah ini menyajikan hasil klasifikasi citra Synthetic Aperture Radar (SAR) berdasarkan jaringan syaraf tiruan menggunakan arsitektur Pulse Coupled Neural Networks (PCNN ). Sebelum proses klasifikasi dilakukan, citra radar diekstraksi cirinya yaitu ciri tekstur. Ciri tekstur citra diekstraksi menggunakan Grey Level Cooccurence Matrix (GLCM).Pada proses klasifikasi ini ciri tekstur yang digunakan yaitu Correlation, Second Moment dan Dissimilarity. Eksperimen ini menggunakan citra dari daerah Kalimantan Tengah yaitu daerah Sungai Wain. Citra diambil dari ESAR, yaitu sistem airbome milik konsorsium beberapa Negara Eropa. Citra SAR ini menggunakan pita C menggunakan teknik polarisasi horizontal vertical (HV) dan pita L mengunakan teknik polarisasi vertical horizantal (VH) . Kontribusi penelitian ini ialah penggunaan PCNN untuk klasifikasi citra bertekstur dan multi kelas yang dibantu proses awal ekstraksi cirri tekstur. Pada penelitian ini dipilih PCNN kllrena merupakan arsitektur jaringan syaraf generasi ke tiga, tidak memrlukan pembelajaran sehingga bekerja relative cepat dibandingkan arsiterktur lainnya. Hasil klasifikasi memmjukka11 bahwa segmentasi pada pita L lebih baik dibandingkan dengan pita C. Hasil klasijikasi baik pada pita C maupun pita L mendapatkan tiga wilayah yaitu wilayah hutan, wilayah lautan terbuka dan wilayah air yang terdiri dari laut, sungai dan rawa.Tahun
2010
Penulis
Harwikarya, Tri Daryanto, Abdusy Syarif
Keyword
Klasifikasi, Jaringan Syaraf Tiruan, Pulse Coupled Neural Networks, Tekstur