Segmentation for Image Indexing and Retrieval on Discrete Cosines Domain

Abstract

AbstrakDalam artikel ini digunakan teknik region growing untuk proses segmentasi pada citra DC. Dengan menggunakan teknik region growing pada citra DC akan mengurangi jumlah region yang akan digunakan dalam proses pengindeksan citra. Teknik ini akan mengurangi waktu pemrosesan dalam membuat kunci indeks. Teknik recursive region growing bukan merupakan metode atau teknik yang baru, akan tetapi apliksi pada citra DC untuk membuat kunci indeks cukup baru dan masih jarang digunakan oleh penelitipeneliti lain. Hasil penelitian menunjukan bahwa citra DC yang telah disegmetasi menunjukan efektivitas lebih besar dibandingkan dengan citra DCT yang tidak dilakukan proses segmentasi dimana precisionya masing-masing sebesar 0.75 dan 0.59. Di samping itu, karena dalam penelitian menggunakan citra DC untuk pencarian citra (CBIR) maka hanya 1/64 saja dari 8x8 yang digunakan untuk indexing. Hal yang paling penting dalam penelitian ini adalah hanya digunakan satu keoefisien dari 64 koefisien DCT yang ada yaitu koefisien DC, sehingga banyak menghemat storage. AbstractThis paper used region growing segmentation technique to segment the Discrete Cosines (DC) image. The classic problem of content Based image retrieval (CBIR) is the lack of accuracy in matching between image query and image in the database. By using region growing technique on DC image,it reduced the number of image regions indexed. The proposed of recursive region growing is not new technique but its application on DC images to build indexing keys is quite new and not yet presented by many authors. The experimental results show that the proposed methods on segmented images present good precision which are higher than 0.60 on all classes. So, it could be concluded that region growing segmented based CBIR more efficient compared to DC images in term of their precision 0.59 and 0.75, respectively. Moreover, DC based CBIR can save time and simplify algorithm compared to DCT images. The most significant finding from this work is instead of using 64 DCT coefficients this research only used 1/64 coefficients which is DC coefficient.

Wavelet-Based Color Histogram on Content-Based Image Retrieval

“…3. Quantize HSV to (8,8,8) For reducing the number of colors, the color is quantized using HSV color histogram by assigning 8 level each to Hue, Saturation, and Value components. So, the quantization will give HSV with 512 histogram bins (8 x 8 x 8).…”