Histogram Profil Proyeksi sebagai Metode Ekstraksi Fitur pada Pengenalan Karakter Tulisan Tangan
DOI:
https://doi.org/10.33005/santika.v1i0.44Keywords:
profil proyeksi, karakter roman, tulisan tangan, k-nearest neighborAbstract
Penelitian tentang pengenalan karakter masih sangat diminati sampai saat ini karena area aplikasinya yang luas. Topik penelitiannya dapat terkait dengan preprocessing, ekstraksi fitur dan metode pengenalan karakter. Dalam bidang pengenalan karakter ada beberapa metode ekstraksi fitur yang dapat digunakan, salah satunya profil proyeksi. Profil proyeksi adalah suatu histogram yang memproyeksikan piksel citra kearah horisontal maupun vertikal. Histogram proyeksi menghitung jumlah piksel non-background pada arah spesifik tertentu, horisontal dan vertikal. Dalam penelitian ini dilakukan analisa terhadap penggunakan proyeksi vertikal, horisontal, dan gabungan terhadap karakter huruf Roman yang diklasifikasi menggunakan k-NN. Hasil dari penelitian ini memberikan performa akurasi terbaik 80,95% dengan waktu yang dibutuhkan 0,66 detik.
References
[2] N.R. Soora, and P.S. Deshpande, ”Review of feature extraction techniques for character recognition,” IETE Journal of Research, 2018, 64(2), pp.280-295.
[3] M. Javed, P. Nagabhushan, dan B.B. Chaudhuri, “Extraction of projection profile, run-histogram and entropy features straight from run-length compressed text-documents,” arXiv preprint arXiv:1404.0627, 2014..
[4] K.C. Santosh, dan L. Wendling, ”Character recognition based on non-linear multi-projection profiles measure,” Frontiers of Computer Science, 2015, 9(5), pp.678-690.
[5] G. Vamvakas, B. Gatos, I. Pratikakis, N. Stamatopoulos, A. Roniotis, dan S.J. Perantonis, ”Hybrid off-line OCR for isolated handwritten Greek characters,” The Fourth IASTED International Conference on Signal Processing, Pattern Recognition, and Applications (SPPRA 2007), pp. 197-202.
[6] M.A. Naser, N.I. Hamid, dan M.A. Hoque, ”Projection based feature extraction process for Bangla script: A modified approach,” Software Technology And Engineering, 2009, pp. 210-214.
[7] M.K Mahto, K. Bhatia, dan R.K Sharma, ”Combined horizontal and vertical projection feature extraction technique for Gurmukhi handwritten character recognition,” 2015 International Conference on Advances in Computer Engineering and Applications (pp. 59-65). IEEE.
[8] F. T. Anggraeny, M. S. Munir, dan I. Y. Purbasari, “Handwritten Alphabets Recognition Using Graylevel And Local Binary Patterns (LBP) Feature,” in International Joint Conference on Science and Technology (IJCST), 2017, p. E2.4-1-E2..4-5.
[9] I. Y. Purbasari and F. T. Anggraeny, “Perbandingan Algoritma Klasifikasi Untuk Huruf,” SCAN J. Teknol. Inf. dan Komun., vol. X, no. 2, pp. 55–62, 2015.
