Review Jurnal Internasional

Di review oleh :
Nama : Raissa Almira Rachmayanti
NIM : A11.2016.09452
Kelompok : A11.4607

Penulis : Zhiguang Xiao, Hui Chen, Changhe Tu, dan Reinhard Klette
Judul : An effective graph and depth layer based RGB-D image foreground object extraction
method
Jurnal : Computational Visual Media DOI 10.1007/s41095-017-0095-3. Vol. 3, No. 4, December
2017, 387–393

Pengantar

Ekstraksi siluet yang akurat dalam objek latar depan (foreground object) dalam gabungan warna
gambar dan data peta yang mendalam relevansi dengan aplikasi yang mengubah isi sebuah adegan, atau
mengubah kedalaman isi untuk keperluan display di 3DTV, deteksi objek, atau pemahaman adegan. Untuk
mengidentifikasi objek latar depan dan siluetnya dalam sebuah adegan, perlu untuk men-segmen gambar
agar dapat membedakan daerah latar depan (foreground) dari sisa gambar latar belakang (background).
Secara umum, property data gambar seperti noise, kesamaan warna, atau pencahayaan menyulitkan untuk
mendapatkan segmentasi yang memuaskan hasil. Kedalaman (depth) pada gambar menyediakan kategori
tambahan dari property data gambar.

Metode

Pendekatan ini meliputi 4 langkah. Pertama, grafik dibangun secara independen dari warna serta
kedalaman informasi seperti setiap node mewakili sebuah piksel (pixel) dan tepi (edge). Penulis mengubah
ruang warna menjadi ruang CIELUV untuk mengukur perbedaan tiap piksel. Kedua, kedalaman peta
dipartisi menjadi beberapa lapisan multi-threshold. Ketiga, titik asal ditentukan secara manual untuk
mencari objek latar depan, dan menentukan kedalaman lapisan yang mereka berhak miliki. Akhirnya, kita
menggabungkan adegan yang terdepan menurut isyarat yang didapat di tiga langkah sebelumnya, untuk
mengekstrak objek latar depan dengan siluet yang akurat.

Pembahasan

1. Algoritma berbasis grafik yang ditingkatkan dengan kedalaman

Untuk mendapatkan segmentasi gambar dilakukan dengan dua cara yang menggunakan
pendekatan berbasis grafik yaitu :

a) Pemilihan ruang warna

Melakukan pendekatan dengan perbedaan antara piksel diukur dengan berat tepi, yang
diperhitungkan menggunakan jarak Euclidean di ruang warna CIELUV. Ruang warna
CIELUV dianggap lebih perseptual dan seragam dari ruang warna lainnya

b) Penggabungan warna dan kedalaman

Yang kedua dengan menggabungkan informasi warna dan kedalaman untuk memberikan
hasil yang lebih banyak tersegmentasi. Membangun grafik yang terpisah bedasarkan
kedalaman informasi. Selama proses segmentasi, dua daerah dikelompokkan jika dan
hanya jika mereka diizinkan untuk mengelompokkan keduanya di grafik gambar bewarna
dan grafik kedalaman peta.

2. Spesifikasi Titik Asal

Titik asal digunakan untuk menemukan objek latar depan pada kedua warna gambar dan
kedalaman peta. Pendekatan ini memungkinkan pengguna untuk menentukan objek untuk
diekstraksi menjadi objek latar depan dengan menggambar kasar garis pada objek. Pendekatan
 ini dapat mengekstrak objek khusus dengan menunjukan titik asal dengan cara ini saja. Karena itu,
titik asal dibagi menjadi dua yaitu titik asal positif dan negatif.

3. Kedalaman Lapisan
Kedalaman lapisan terdiri dari dua langkah :

a. Inpainting untuk kedalaman peta

Sebelum melapiskan kedalaman, dilakukan me-reproses dari peta kedalaman yang
disebut Inpainting. Inpainting berfungsi untuk mengurangi artefak yang disebabkan oleh
prosedur pengambilan.

b. Segmentasi kedalaman peta

Selanjutnya mengelompokkan peta kedalaman ke lapisan yang berbeda sehingga masing-
masing lapisan mengandung piksel dalam jarak nilai kedalaman. Dalam langkah ini,
daerah-daerah yang tumpang tindih sesuai dengan titik asal yang ditentukan oleh
pengguna, harus terkandung dalam lapisan yang sama.

4. Menggabungkan Wilayah Warna yang tersegmentasi

Ide dasar dari penggabungan wilayah warna adalah menggabungkan kesamaan pada kedalaman
dan ketidaksamaan dari warna antar daerah yang berdekatan. Akhirnya, menyemantik hasil objek
yang bermakna dengan menggabungkan daerah asal positif dan daerah yang terhubung dengan
mereka.

5. Perbandingan dengan metode lainnya

Penulis juga membandingkan dengan hasil yang diperoleh menggunakan sebuah algoritma yang
diterbitkan oleh Hickson dkk. yang menggabungkan kedalaman, warna, serta informasi sementara
dan menggunakan pendekatan berbasis grafik bertingkat untuk segmentasi titik 3D RGB-D clouds.
Karena adegan dalam aplikasi penulis statis, penulis dapat menggunakan mode cepat dengan
menyingkirkan informasi sementara dari algoritma Hickson dkk. untuk menyediakan hasil yang
lebih tersegmentasi. Data titik 3D cloud, seperti dihasilkan oleh warna adegan dan kedalaman peta,
digunakan sebagai masukan untuk metode ini. Objek latar depan (foreground object) akan
diekstraksi bedasarkan hasil sebelumnya, titik asal, dan kedalaman lapisan.

6. Banyaknya Interaksi antar foreground dengan siluet

pengguna bisa secara kasar menambahkan titik asal positif di sekitar lokasi posisi untuk
mendapatkan lapisan kedalaman yang tepat. Pengguna mampu memperoleh hasil yang
diharapkan dengan menerapkan titik asal positif dan negatif secara fleksibel.Hasil dari pendekatan
tersebut tetap baik, integritas dari objek kebanyakan tetap bertahan sementara siluet lebih baik
pertahanan integritasnya.