Jumat, 12 Oktober 2012

INTERPRETASI LAND COVER (KLASIFIKASI CITRA)

Diposkan oleh Rara Sabria di 21.28
Reaksi: 

TUGAS MATA KULIAH
PENGOLAHAN DATA CITRA
REVIEW MATERI INTERPRETASI LAND COVER
Dosen Pengampu : Pangi , ST. MT


INTERPRETASI LAND COVER (KLASIFIKASI CITRA)
(Pertemuan VI)

LOGO UNDIP.jpg

DISUSUN OLEH:
SABRIANORA PUTRI ROSADI
NIM 21040111060004



PROGRAM STUDI DIPLOMA III
TEKNIK PERENCANAAN WILAYAH DAN KOTA
FAKULTAS TEKNIK UNIVERSITAS DIPONEGORO
SEMARANG
2012


KLASIFIKASI CITRA
            Klasifikasi citra digital merupakan proses pengelompokan piksel ke dalam kelas-kelas tertentu. Hal ini sesuai dengan asumsi yang digunakan dalam klasifikasi multispektral ialah bahwa setiap objek dapat dibedakan dari yang lainnya berdasarkan nilai spektralnya (Projo Danoedoro,1996). Pada umumnya Klasifikasi citra digital yang digunakan adalah klasifikasi terselia (supervised). 
            Klasifikasi citra penginderaan jauh (inderaja) bertujuan untuk menghasilkan peta tematik, dimana tiap warna mewakili sebuah objek, misalkan hutan laut, sungai, sawah dan lain-lain (Agus Zainal Arifin dan Aniati Murni 2007). Tujuan dari proses klasifikasi citra adalah untuk mendapatkan gambar atau peta tematik. Gambar tematik adalah suatu gambar yang terdiri dari bagian-bagian yang menyatakan suatu objek atau tema tertentu. Proses klasifikasi citra ada dua jenis, yaitu Supervised (Klasifikasi Citra Terawasi) dan Unsupervised (Klasifikasi Citra Tak Terawasi).
Klasifikasi Citra Terawasi (Supervised)
            Penggunaan istilah terawasi disini mempunyai arti berdasarkan suatu referensi penunjang, dimana kategori objek-objek yang terkandung pada citra telah dapat diidentifikasi. Klasifikasi ini memasukkan setiap piksel citra tersebut kedalam suatu kategori objek yang sudah diketahui.Sebelum klasifikasi dilakukan, maka kita harus memasukkan inputan sebagai dasar pengklasifikasian yang akan dilakukan. Dengan klasifikasi ini, kita lebih bebas untuk memilah data citra sesuai dengan kebutuhan. Misalnya dalam suatu kawasan kita hanya akan melakukan klasifikasi terbatas pada jenis jenis kenampakan secara umum semisal jalan, pemukiman, sawah, hutan, dan perairan. Hal tersebut dapat kita lakukan dengan klasifikasi ini. Proses input sampel juga cukup mudah, hanya saja perlu ketelitian dan pengalaman agar sampel yang kita ambil dapat mewakili jenis klasifikasi. Baik buruknya sampel, Diwujudkan dalam nilai indeks keterpisahan.
            Menurut Projo Danoedoro (1996) klasifikasi supervised ini melibatkan interaksi analis secara intensif, dimana analis menuntun proses klasifikasi dengan identifikasi objek pada citra (training area). Sehingga pengambilan sampel perlu dilakukan dengan mempertimbangkan pola spektral pada setiap panjang gelombang tertentu, sehingga diperoleh daerah acuan yang baik untuk mewakili suatu objek tertentu.
Klasifikasi Citra Tak Terawasi (Unsupervised)
            Proses klasifikasi disebut tidak terawasi, bila dalam prosesnya tidak menggunakan suatu referensi penunjang apapun. Hal ini berarti bahwa proses tersebut hanya dilakukan berdasarkan perbedaan tingkat keabuan setiap piksel pada citra. Klasifikasi citra tak terawasi mencari kelompok-kelompok (cluster) piksel-piksel, kemudian menandai setiap piksel ke dalam sebuah kelas berdasarkan parameter parameter pengelompokkan awal yang didefinisikan oleh penggunanya.

Keunggulan Citra Tak Terawasi :
• Tidak membutuhkan pengetahuan awal yang detail mengenai daerah pengamatan
• Kemungkinan terjadi human error dapat dikurangi
• Kelas yang unik diidentifikasi secara tersendiri
Klasifikasi citra :
       Classifier Klasifikasi Citra Digital secara umum mengacu pada program dengan prosedur klasifikasi citra
       Spectral/point classifier mengamati setiap pixel sebagai satu titik
       Sedehana, tidak dapat mengambil informasi hubungan antar pixel
       Image texture adalah pola brightness dalam satu grup pixel
Kelas Informasional
·         Kategori obyek yang diamati
– Hutan
– Geologi
– Land use
·         Tidak direkam langsung oleh sensor
·         Rekamannya berupa pola brightness
·         Kelompok pixel yang brightnessnya sama dalam beberapa kanal spektra
·         Dapat diamati pada data remote sensing
·         Dihubungkan dengan kelas informasional untuk mendapatkan informasi scene
·         Untuk membedakan dua kelas adalah dengan mencai beda nilai rata-ratanya
·         Kelas yang sangat berbeda memiliki nilai beda yang besar
Lowpass Filtering dan Highpass Filtering
A.Lowpass Filtering
            Pelembutan Citra (image smooting ) mempunyai tujuan mengurangi noise pasda suatu image. Noise-noise tersebut muncul sebagai akibat dari hasil pensamplingan yang tidak bagus. Pixel yanan komponen yang mempunyai  noise pada umumnya memiliki frekuensi yang tinggi (berdasarkan analisis fourier) Komponen citra yang berfrekuensi rendah akan diloloskan dan komponen yang mempunyai frekuensi tinggi akan ditahan. Operasi image smooting disebut juga lowpass filtering.
B.Highpass Filtering
            Tujuan dari image sharpening adalah mempertajam edge pada suatu citra. Operasi ini dilakukan dengan cara melewatkan citra pada highpass-filter. Highfilter akan memperkuat komponen yang berfrekuensi tinggi dan menurunkan komponen berfrekuensi rendah. Penajaman citra lebih berpengaruh (edge) suatu objek, maka image sharpening sering disebut sebagai penajaman tepi(edge sharpening). Highpass filtering koefisien-koefisien filternya bisa bernilai positip, nol, atau negatif. Sedangkan jumlah koefisiennya adalah 0 atau 1. Apabila jumlah koefisien =  0, maka komponen berfrekuensi rendah akan turun nilainya, sedangkan apabila jumlah koefisien sama dengan 1, maka komponen berfrekuensi rendah akan tetap sama dengan nilai semula. Komponen citra yang berfrekuensi tinggi akan diloloskan dan komponen yang mempunyai frekuensi rendah akan ditahan.
            Untuk mengimplementasikan proses filtering dengan lowpass filter dan highpass filter pada suatu citra adalah sebagai berikut :
         Meload citra asli yang akan dilihat histogram citranya (format BMP)
         Menampilkannya dalam suatu axes
         Melakukan operasi lowpass atau highpass filter
         Menampilkan hasil citra tersebut pada axes tertentu
         Menampilkan difference image pada axes lainnya
         Serta menampilkan 2D dan 3D pada axes yang berbeda

0 komentar:

Poskan Komentar

Soundcloud Rara Sabria

 

Sabrianora Putri Rosadi ♥ Template by Ipietoon Blogger Template | Gadget Review