PERBANDINGAN ALGORITMA SCALE INVARIANT FEATURE TRANSFORM (SIFT) DAN SPEEDED UP ROBUST FEATURE (SURF) PADA PENGENALAN OBJEK BERBASIS MATLAB

Sari

Pengenalan objek banyak digunakan dalam industri untuk keperluan inspeksi, registrasi, dan manipulasi. Kesulitan masalah pengenalan objek sebagian besar disebabkan oleh kurangnya keberhasilan dalam menemukan fitur gambar tersebut. Penelitian ini menggunakan 2 metode untuk deteksi dan mendeskripsi fitur, diantaranya Scale Invariant Feature Transform (SIFT) dan Speeded Up Robust Feature (SURF). Kedua metode deskriptor fitur ini tangguh pada perubahan skala, keburaman, rotasi, perubahan iluminasi, dan transformasi affine pada objek yang terdapat di sebuah citra. SIFT adalah algoritma yang digunakan untuk mengekstrak fitur dari gambar. SURF adalah algoritma yang efisien, sama seperti SIFT tetapi dengan kompleksitas komputasi lebih rendah. Dalam percobaan ini, jumlah fitur yang terdeteksi oleh SIFT relatif lebih banyak dengan rata-rata presentase data benar sebesar 100% pada dataset pertama dan 97.83% pada dataset kedua, sedangkan jumlah fitur yang dideteksi oleh SURF sebesar 81.8% untuk dataset pertama dan 88.53% untuk dataset kedua. Juga kecepatan komputasi SURF relatif lebih cepat daripada SIFT. Diketahui kecepatan rata-rata algoritma SIFT dalam mencari matched feature sebesar 72.545 detik pada range resolusi dari 756x1008 (dataset pertama) sampai 960x540 (dataset kedua), dan SURF sebesar 6.58 detik. Sehingga dapat disimpulkan bahwa dalam hal akurasi SIFT lebih baik daripada SURF, namun dalam hal kecepatan komputasi SURF lebih baik daripada SIFT Oleh sebab itu SURF lebih cocok digunakan untuk keperluan object tracking pada citra bergerak (video).

Kata-kata kunci: SIFT, SURF, Ektraksi Fitur, Pendeteksian dan deskripsi fitur, Pengenalan objek