IMPLEMENTASI CONTRAST LIMITED ADAPTIVE HISTOGRAM EQUALIZATION DALAM PENGOLAHAN CITRA PADA ALGORITMA GENERATIVE ADVERSARIAL NETWORK
DOI:
https://doi.org/10.23960/jitet.v12i3S1.5316Abstract Views: 325 File Views: 308
Abstract
Pengolahan citra, terutama teknik peningkatan kontras seperti Contrast Limited Adaptive Histogram Equalization (CLAHE), berperan krusial dalam meningkatkan kinerja model Generative Adversarial Networks (GANs). Penelitian ini mengevaluasi dampak CLAHE pada akurasi klasifikasi gambar menggunakan GANs. Hasil penelitian menunjukkan bahwa penerapan CLAHE berhasil meningkatkan akurasi klasifikasi sebesar 20% dibandingkan dengan model yang tidak menggunakan CLAHE, mencapai akurasi sebesar 76,20%. Temuan ini mengindikasikan bahwa CLAHE efektif dalam meningkatkan kualitas data gambar, sehingga model GAN dapat belajar fitur-fitur yang lebih relevan dan menghasilkan output yang lebih akurat.
Downloads
References
R. Munir, Pengolahan Citra Digital, Westriningsih: Penerbit Andi, 2010. .
P. D. Kusuma, “Machine Learning Teori, Program, Dan Studi Kasus,” Deepub, 2020.
S. M. A. A. Garima Yadav, “Contrast limited adaptive histogram equalisation based enhancement for real time video system,” 2014 International Conference on Advances in Computing, Communications and Informatics (ICACCI), pp. 2392-2397, 2014.
H. H. Y. C. Siyue Xie, “Facial Expression Recognition with Two-branch Disentangled Generative Adversarial Network,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 31, no. 6, p. 2021, 2359-2371.
I. M. O. W. I. D. D. H. Gusti Ngurah Agung Meyhendra Wijaya, “Ekualisasi Histogram Dan Algoritma Kultural Untuk Segmentasi Citra Pantai,” SISFOTEK, vol. 6, no. 1, pp. 111-116, 2022.
Zuiderveld, K. (1994). Contrast limited adaptive histogram equalisation. Graphics gems IV, 474-485.
P. Lucey, J. F. Cohn, T. Kanade, J. Saragih, Z. Ambadar and I. Matthews, "The Extended Cohn-Kanade Dataset (CK+): A complete dataset for action unit and emotion-specified expression," 2010 IEEE Computer Society Conference on Computer Vision and Pattern Recognition - Workshops, San Francisco, CA, USA, 2010, pp. 94-101
C. N. Santi, “Mengubah Citra Berwarna Menjadi Gray¬Scale dan Citra biner,” Jurnal Teknologi Informasi DINAMIK, vol. 16, no. 1, pp. 14-19, 2011
D. P. K. F. A. B. Krisna Dwi Anggara, “Implementasi Algoritma MTCNN dalam Mekanisme Autentikasi berbasis Pengenalan Wajah,” Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, vol. 7, no. 8, pp. 3613-3621, 2023.
A. N. Sriani, “IMPLEMENTASI DEEP LEARNING UNTUK MENGIDENTIFIKASI UMUR MANUSIA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN),” ITET (Jurnal Informatika dan Teknik Elektro Terapan), vol. 12, no. 3, pp. 1836-1843, 2024.
A. Nisha, “Loss Functions: An Explainer,” KDnuggets, 2022.
G. E. S. Anugrah Akbar Praramashan, “Cycle Generative Adversarial Networks Algorithm With Style Transfer For Image Generation,” arXiv preprint arXiv:2101.03921., 2021.
