TUGAS MATA KULIAH
PENGOLAHAN DATA CITRA
REVIEW MATERI INTERPRETASI LAND COVER
Dosen Pengampu : Pangi , ST. MT
INTERPRETASI LAND COVER
(KLASIFIKASI CITRA)
(Pertemuan VI)
DISUSUN OLEH:
SABRIANORA PUTRI ROSADI
NIM 21040111060004
PROGRAM STUDI DIPLOMA III
TEKNIK PERENCANAAN WILAYAH DAN KOTA
FAKULTAS TEKNIK UNIVERSITAS
DIPONEGORO
SEMARANG
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:
Posting Komentar