HSV image classification of ancient script on copper Kintamani inscriptions using GLRCM and SVM

Abstract

The problem of inscription physical damage as one of the historical heritages can be overcome using an image processing technique. The purpose of this study is to design a segmentation application for ancient scripts on inscriptions to recognize the character patterns on the inscriptions in digital form. The preprocessing was carried out to convert images from RGB to HSV. The application used the gray level run length matrix (GLRLM) to extract texture features and the support vector machine (SVM) method to classify the results. The inscription image segmentation was carried out through the pattern detection process using the sliding window method. The application obtained 88.32 % of accuracy, 0.87 of precision, and 0.94 of sensitivity.

Identifikasi Jenis Tanaman Anggrek Melalui Tekstur Bunga dengan Tapis Gabor dan M-SVM

“…Pada tahap klasifikasi dibagi menjadi dua tahap, yaitu tahap pelatihan dan pengujian. Proses klasifikasi menggunakan fungsi kernel karena ada data yang tidak bisa dipisahkan secara linear [15]. Kernel memetakan tiap data pada ruang masukan ke vektor baru yang berdimensi lebih tinggi [15].…”

“…Proses klasifikasi menggunakan fungsi kernel karena ada data yang tidak bisa dipisahkan secara linear [15]. Kernel memetakan tiap data pada ruang masukan ke vektor baru yang berdimensi lebih tinggi [15]. Kernel yang diujikan dalam penelitian ini adalah kernel polynomial dan gaussian [16].…”

“…Citra hasil aras keabuan ini nanti akan dijadikan masukan dalam proses ekstraksi fitur tekstur menggunakan tapis gabor. Ekstraksi fitur dilakukan menggunakan metode tapis gabor dengan skenario pengujian kombinasi parameter masukkan sudut orientasi meliputi nilai 0˚, 45˚, 90˚, dan 135˚ [15] serta nilai skala frekuensi 0,353Hz, 0,176Hz, dan 0,088Hz [6]. Hasil ekstraksi tekstur tapis gabor ditunjukkan pada Gambar 3.…”

“…Untuk proses pelatihan menggunakan data latih masingmasing jenis anggrek berjumlah 20 data citra. Metode yang digunakan untuk membagi data latih menggunakan metode cross validation [15]. Proses pelatihan ini bertujuan untuk penggolongan dan pelabelan, sehingga bisa ditentukan kelas mana yang sesuai dengan kelompoknya.…”

Watermelon ripeness detector using near infrared spectroscopy

“…The classification to separate data classes using SVM is used in many different applications. Andika [25] used the SVM method to classify all texture features' value extracted from the image ROI Kintamani inscription. The SVM models are usually used to classify one or two classes [26].…”