IRIS SEGMENTATION USING EYE METHOD AND EDGE DETECTIONMORPHOLOGICAL OPERATIONS

Tri Putriyati Permata, Dr. Karmilasari

Undergraduate Program, Faculty of Computer Science, 2009

Gunadarma University

http://www.gunadarma.ac.id

Keywords: Iris Recognition, Segmentation / Pupil and Iris Localization, and EdgeDetection.

ABSTRACT

One use of biometric systems as one system identification has grown rapidly, one of which

is used is sliced eye. In general stages of iris recognition system consists of several

stages, namely image acquisition, segmentation / localization, extraction and recognition.

At the stage of segmentation / localization is important, because it can localize some parts

of images of an object. In this study, the authors tried an alternative localization /

segmentation by utilizing the characteristics of the pupil who has a dark intensity of the

homogeneous and shape of the pupil and iris circles by using a programming language

Matlab 7.0. Tests carried out by taking a database system which is assumed to have been

carried out by CASIA (Chinese Academy of Sciences Institute of Automation). Iris

database is taken on CASIA version 1.0, the resulting image is a gray image in BMP

format with ukuruan 320 x 280 pixels. From the test results overall image consisting of 756

images, the success rate segmentation / localization of the pupil and iris that works is

35.58%, which almost succeeded is 50.93% and that did not work was 13:49%.

While the overall average radius of the pupil and iris are 51,081 and 102,415,

and - average processing time is obtained from the whole image is 3677

seconds.

SEGMENTASI IRIS MATA MENGGUNAKAN METODE DETEKSI TEPI DAN

OPERASI MORFOLOGI

Dr. Karmilasari *), Tri Putriyati Permata **)Jurusan Sistem Informasi, Fakultas Ilmu Komputer

Universitas GunadarmaJl. Margonda Raya No. 100 Pondok Cina, Depok 16424, Indonesia

Email : tri_putriyati@yahoo.com*) Dosen Sistem Informasi Universitas Gunadarma

**) Mahasiswa Sistem Informasi Universitas Gunadarma

Abstraksi

Sistem biometrik sebagai salah satu sistem identifikasi telah berkembang dengan pesat,salah satu yang digunakan adalah iris mata. Secara umum tahapan sistem pengenalan iris mataterdiri dari beberapa tahapan, yaitu akuisisi citra, segmentasi/lokalisasi, ekstraksi danpengenalan. Pada penelitian ini, penulis mencoba suatu alternatif lokalisasi/segmentasi denganmemanfaatkan ciri pupil yang memiliki intensitas gelap yang homogen dan bentuk lingkaran pupildan iris dengan menggunakan bahasa pemrograman Matlab 7.0. Pengujian sistem dilakukandengan mengambil database yang diasumsikan telah dilakukan oleh CASIA (Chinese Academy ofSciences Institute of Automation). Database iris mata ini diambil pada CASIA versi 1.0, citra yangdihasilkan adalah citra keabuan dalam format BMP dengan ukuruan 320 x 280 piksel. Dari hasiluji coba keseluruhan citra yang terdiri dari 756 citra, tingkat keberhasilan segmentasi/lokalisasipupil dan iris yang berhasil adalah 35.58%, yang hampir berhasil adalah 50.93% dan yang tidakberhasil adalah 13.49%. Sedangkan rata-rata keseluruhan radius pupil dan iris adalah 51.081 dan102.415, serta rata - rata waktu proses yang didapat dari keseluruhan citra adalah 3.677 detik.

Kata kunci : Pengenalan Iris, Segmentasi/Lokalisasi Pupil & Iris, dan Deteksi Tepi.

1. PENDAHULUANKemajuan teknologi terutama dalam

bidang teknologi informasi pada saat ini telahberubah dengan sangat cepat seiring dengankemajuan zaman. Salah satu contohnya adalahpemanfaatan anggota tubuh secara unik untukmembedakan antara satu orang dengan oranglain, yang biasa disebut biometrik. Biometrikadalah suatu metoda untuk mengenali manusiaberdasarkan pada satu atau lebih ciri-ciri fisikatau tingkah laku yang unik.

Biometrik merupakan sistem pengenalanindividu yang terdiri dari dua macam yaitusecara modern dan tradisional. Sistempengenalan individu secara modern yaituberdasarkan ciri fisik dan perilaku individu dansecara tradisional yaitu berdasarkan knowledgebase (pengisian password/PIN) dan token base(menggunakan kartu magnetik atau kartu pintar/ smart card). Kelemahan menggunakanknowledge base (pengisian password / PIN)yaitu mudah lupa dan dapat ditebak oleh orang,sedangkan kelemahan menggunakan token base(kartu magnetik atau kartu pintar / smart card)

yaitu mudah hilang, dicuri dan digandakansehingga dapat dipalsukan oleh orang lain.

Penggunaan sistem biometrik sebagaisalah satu sistem identifikasi dan verifikasisebenarnya bukanlah suatu hal yang baru.Sistem biometrik menggunakan ciri-cirifisiologis (physiological) seseorang dan tingkahlaku seseorang/perilaku (behavioral) untukmengenali atau membuktikan identitasseseorang. Yang menggunakan ciri-ciri fisikmisalnya wajah (face recognition), sidik jari(fingerprint), iris mata (iris recognition) dangeometri tangan (hand geometry). Sedangkanyang menggunakan perilaku/tingkah lakumisalnya tulisan tangan, suara (voicerecognition) dan tanda tangan (signature).

Salah satu penggunaan sistem biometriksebagai salah satu sistem identifikasi telahberkembang dengan pesat, salah satu yangdigunakan adalah iris mata. Iris mata adalahdaerah berbentuk gelang pada mata yangdibatasi oleh pupil dan sclera (bagian putih darimata). Kelebihan iris mata adalah iris memilikitingkat penerimaan kesalahan sangat kecil,karena itu iris dapat menjadi alat biometrik

aplikasi identifikasi yang baik, dan iris sangatunik serta sulit untuk digandakan.

Secara umum tahapan sistem pengenalaniris mata terdiri dari beberapa tahapan, yaituakuisisi citra, segmentasi/lokalisasi, ekstraksidan pengenalan. Pada tahapan segmentasi /lokalisasi cukup penting, karena dapatmelokalisasi beberapa bagian citra dari suatuobjek. Penelitian-penelitian sistem pengenalaniris terdahulu telah sebelumnya pernah dibuatoleh Daugman dan Wildes. Dimana Daugmandan Wildes, menggunakan beberapa metodedalam sistem pengenalan iris. MenurutDaugman, tahapan segmentasi/lokalisasidilakukan dengan menggunakan integrasi dandifferensiasi untuk menentukan bentuk iris yangberupa lingkaran. Setelah proses segmentasidilakukan, untuk menentukan ekstraksi cirisuatu citra pada metode Daugman ini

menggunakan Metode Filter Gabor 2-D danpada tahapan pencocokan ciri suatu citramenggunakan jarak Hamming (HammingDistance). Sedangkan menurut Wildes, tahapanpada segmentasi/lokalisasi dapat dilakukandengan Filter Gaussian Low pass. Sedangkanpada tahap ekstraksi ciri menggunakan metodeTransformasi Hough, karena dapat menentukanparameter-parameter lingkaran dari pupil danpada tahap pencocokan ciri iris dapat dilakukandengan menggunakan Laplacian FilterGaussian.

Pada penelitian ini, penulis mencoba suatualternatif lokalisasi/ segmentasi denganmemanfaatkan ciri pupil yang memilikiintensitas gelap yang homogen dan bentuklingkaran pupil dan iris dengan menggunakanbahasa pemrograman Matlab 7.0.

2. TINJAUAN PUSTAKA2.1 Anatomi dan Fisiologi Mata

Mata adalah suatu struktur sferis berisicairan yang dibungkus oleh tiga lapisan. Dariluar ke dalam, lapisan–lapisan tersebut adalahdari : (1) sclera/ kornea, (2) koroid/badansiliaris/iris, dan (3) retina. Sebagian besar matadilapisi oleh jaringan ikat yang protektif dan kuatdi sebelah luar, sklera, yang membentuk bagianputih mata. .

Struktur mata manusia berfungsi utamauntuk memfokuskan cahaya ke retina. Semuakomponen–komponen yang dilewati cahayasebelum sampai ke retina mayoritas berwarnagelap untuk meminimalisir pembentukanbayangan gelap dari cahaya. Kornea dan lensaberguna untuk mengumpulkan cahaya yang akandifokuskan ke retina, cahaya ini akanmenyebabkan perubahan kimiawi pada selfotosensitif di retina. Hal ini akan merangsangimpuls–impuls syaraf ini dan menjalarkannya ke

otak.

Gambar 2.1 Struktur Anatomi Mata

Cahaya masuk ke mata dari mediaekstenal seperti, udara, air, melewati kornea danmasuk ke dalam aqueous humor. Iris yangberada antara lensa dan aqueous humor,merupakan cincin berwarna dari serabut otot.

Cahaya pertama kali harus melewati pusat dariiris yaitu pupil. Adapun karakteristik iris adalah : Mempunyai warna yang beraneka ragam

yaitu hitam, coklat, emas, biru tua, hijau,biru muda, dan abu-abu. Kesemuanya itudapat dibagi dalam tiga bagian yaitu biru,coklat, dan campuran.

Memiliki guratan-guratan yang tidaksama/heterogen.

Memiliki lingkaran tidak sempurna, karenatertutup oleh sebagian kelopak mata bagianatas/bawah atau bulu mata.

Ukuran pupil itu secara aktif dikendalikan olehotot radial dan sirkular untuk mempertahankanlevel yang tetap secara relatif dari cahaya yangmasuk ke mata. Adapun karakteristik pupiladalah: Mempunyai warna yang lebih gelap

dibandingkan dengan yang lain. Berbentuk lingkaran.

2.2 Pengenalan Iris (Iris Recognition)Pengenalan iris adalah suatu proses untuk

mengenal seseorang dengan menganalisa polaacak dari iris. Dimana pengenalan iris bertujuanuntuk mengenali suatu objek dengan caramengekstraksi informasi yang terdapat dalamsuatu citra tersebut. Iris merupakan suatu ototdidalam mata yang mengatur ukuran dari pupil,mengendalikan jumlah cahaya yang masuk kemata. Iris juga adalah bagian yang diwarnaidengan pewarna mata berdasarkan jumlahpigmen melatonin didalam otot mata.

Gambar 2.2 Struktur Iris

Meskipun pewarnaan dan struktur irisadalah terhubung genetik, dan rincian pola tidak.Tetapi iris yang berkembang selamapertumbuhan sebelum melahirkan melalui suatuproses dari pembentukan lipat yang ketat darijaringan selaput. Sebelum kelahiran, degenerasiterjadi sehingga menghasilkan pembukaan pupildan acak, serta pola-pola unik dari iris.Walaupun genetik serupa, seseorang yangmemiliki struktur iris yang unik dan berbeda,dapat memungkinkan untuk digunakan untuktujuan pengenalan.

2.3 Teori-teori Sistem Pengenalan Iris2.3.1 Metode Daugman

Menurut Daugman, pengambilan datadapat dilakukan dengan sebuah kamera video,lensa, framegrabber, dan sebuah monitortampilan yang dihubungkan ke sebuah komputerworkstation. Dalam penelitian ini, pengambilandatabase telah diasumsikan tersedia diOpthalmology Assosiates of Connecticut. Jumlahcitra mata yang diambil sebanyak 592 iris yangberasal dari 323 orang yang berbeda (masing-masing orang sekitar 3 citra iris) dengan ukuran480x640 monokrom 8 bits/pixel. Pada prosessegmentasi ini, metode Daugman melakukanbeberapa tahapan yaitu proses pengenalan citra,proses deteksi tepi, dan proses pendeteksianbatas radius pupil dan iris. Proses pengenalancitra yang digunakan adalah pengenalan bataslingkar iris yang memisahkan iris dengan whitesclera (bagian putih dari mata). Proses inidilakukan oleh edge detector dan tidak akanberhasil (batas lingkar tidak terdeteksi) jika matatertutup dan/atau tidak ada mata di depankamera. Bentuk iris yang berupa lingkaran, untukmenentukan lokasinya dibutuhkan rumusintegrasi dan differensiasi. Proses ini dilakukandengan memperbesar rekayasa pengaburangambar parsial, dan menambahkan batas radius r,dari integral kontur gambar yang dinormalisasisepanjang busur radius dan pusat iris. Berikut inirumus dari integrasi dan diferensiasi adalah :

(1)

Dimana * menandakan perkalian dan Gσ

(r) adalah fungsi smoothing (penghalusan)seperti gaussian skala σ. Lengkap operatorbehaves berlaku sebagai ujung detektor circular,kabur pada skala σ yang telah ditetapkan olehintensitas pencarian untuk maksimum garisintegral turunan dengan peningkatan berturut-turut di radius halus skala analisis melalui tigaparameter ruang pusat dan radius koordinat (x0,

y0, r) mendefinisikan jalan garis integrasi.Implementasi discrete untuk rumus di atas

dapat menggunakan integro-differentialoperator, karena lebih efisien untuk mengubahsusunan lilitan dan perbedaan dan untukmenyatukan, sebelum komputer yangmempunyai ciri-ciri rangkaian undersampledsums dari piksel sepanjang kontur circular untukmeningkatkan radius menggunakan terbatasperbedaan perkiraan ke turunan yang berlainandalam seri n,

(2)

Dimana Δr merupakan kenaikan kecildalam radius, dan mengganti lilitan dengankontur integrals sums, dapat memperoleh melaluimanipulasi discrete operator yang efisien untukmenemukan lingkaran dalam dan luar batas-batasiris, dimana Δθ adalah angular sampling intervalyang tajam sepanjang circular arcs, dimana I (x,y) merupakan intensitas piksel yang mewakiligaris kontur integral. Setelah proses segmentasidilakukan, untuk menentukan ekstraksi ciri suatucitra iris digunakan metode filter Gabor 2-D.Dimana Daugman memperkenalkan filter inipada tahun 1980. Property matematis yangdigunakan memiliki kemampuan menyediakaninformasi resolusi tinggi tentang orientasi dan isifrekuensi spasial dari struktur gambar. Denganmemperoleh koefisien yang dibutuhkan untukfungsi kompleks ini akan menghasilkaninformasi yang dibutuhkan untukmerepresentasikan iris dengan transformasiGabor. Rumus Filter Gabor 2-D yaitu :

(3)

Dimana (x0,y0) merupakan posisi darigambar, (α, β) merupakan panjang dan lebargambar, dan (u0, v0) nilai modulasi. Kode akhirdari iris (256 byte) dihitung per bit denganmemproyeksikan area iris tertentu pada filterGabor. Jumlah byte dipilih berdasarkan kapasitastiga channel yang ada pada pita magnetik yangmenjadi standar kartu kredit. Perlu diketahuibahwa nilai ini adalah batas atas kapasitas untukmerepresentasikan iris. Pencocokan ciri irismenurut Daugman, dapat dilakukan dengan jarakHamming (Hamming Distance) yang cocokuntuk pencocokan vektor biner. Hasilpencocokan ini adalah skor yang akanmenentukan hasil pengenalan citra. Dengan

menggunakan opersai XOR sederhana antarapasangan kode akan menghasilkan HammingDistance-nya. Berikut ini rumus untuk mencariHamming Distance (jarak Hamming) yaitu :

(4)

Dimana A adalah citra metriks yangpertama dan B adalah citra metriks yang kedua.Proses ini dilakukan dengan mengetahui bahwairis memiliki kira-kira 400 derajat kebebasan(DOF). Transformasi Fourier dari fitur ini dapatdirepresentasikan dalam berbagai oktaf dan padaskala analisis yang berbeda. Lebih jauh lagi,korelasi dihasilkan oleh property bandpass darifilter Gabor.

2.3.2 Metode WildesSistem Wildes ini, pengambilan gambar

mata dengan kualitas dan resolusi yang tinggi,digunakan kamera putih (Silicon Intensified SIT)dengan tingkat pencahayaan rendah digabungkandengan penangkap frame standar (DASMFGMAnalog) dengan resolusi 512 x 480 piksel.Diameter iris sebenarnya menjadi 256 pikselpada array sensor pada penangkapan gambar 20cm dari mata. Proses pencahayaan yang meratatanpa mengurangi kenyamanan pengguna,digunakan sebuah array cahaya (8.5 watt lampuquartzhalogen) diarahkan pada iris. Pencahayaanmerata dapat dicapai dengan meletakkan filter(panel difusi) antara iris dengan kamera. Panelini juga membantu mendistribusikan intensitascahaya. Lensa kamera berada pada posisi tengahdari panel difusi ini. Proses peletakan posisi matamenggunakan proses otomatis yang diarahkanoleh self positioning operator. Tujuannya adalahmemberikan batasan pada tiga derajat kebebasanmata yang akan digambarkan denganmenempatkan mata di tengah array sensor padafokus lensa. Dalam metode Wildes terdapat 2langkah yang dapat dilakukan dalam segmentasi.Langkah pertama adalah informasi intensitasgambar dikonvert menjadi biner edge-map,kedua adalah edge point untuk memberikan nilai-nilai parameter garis tertentu. Berikut ini adalahrumus untuk mencari nilai intensitas thresholdmagnitude gambar yang terdapat pada metodeWildes yaitu :

(5)

Dimana, sehingga :

(6)

Rumus diatas adalah dua dimensiGaussian dengan pusat (x0,y0) dan standar deviasiσ yang digunakan untuk menghaluskan gambaruntuk memilih ruang skala tepi gambar. Prosessegmentasi ini dilakukan dengan menggunakanfilter sederhana dan operasi histogram.Tujuannya adalah mengisolasi iris dari areasekitarnya. Efisiensi komputasi dicari denganfilter Gaussian lowpass diikuti dengansubsampling sebagian. Hal ini juga membantumenghilangkan noise frekuensi tinggi. MenurutWildes, untuk ekstraksi ciri dari citra iris dapatmenggunakan metode Transformasi Hough.Dengan melakukan segmentasi kita dapatmenentukan lokasi iris melalui lokasikomponenya atau dengan batas luar dan dalamiris (limbic, papillary, dan kelopak mata).Dengan Tranformasi Hough, kita dapatmenentukan parameter-parameter lingkaran daripupil. Berikut ini adalah rumus persamaan untukmencari Transformasi Hough didefinisikansebagai berikut :

(7)

Dimana,1, if g(xj, yj, xc, yc, r) = 0

0, otherwise (8)Dengan,

(9)

Untuk setiap tepi (xj,yj), g(xj,yj,xc,yc,r) = 0dan untuk setiap parameter triple (xc,yc,r) yangmerupakan point dari lingkaran tersebut.Sehingga, parameter tripel yang umum adalahuntuk memaksimalkan besar jumlah edge poinyang wajar dan merupakan pilihan untukmewakili garis yang penting. Sehingga dengantransformasi Hough kita dapat menentukanparameter lingkaran pupil dengan menggunakandeteksi tepi.

Pencocokan ciri iris dapat dilakukandengan menggunakan bandpass decompositionyang berasal dari Laplacian Filter Gaussian.Berikut ini adalah rumus untuk filter tersebut :

(10).

Dimana, σ merupakan standar deviasiGaussian dan ρ merupakan jarak radius daripusat filter. Untuk menghasilkan pengenalan,dilakukan formulasi 3 bagian yaitu untukmemilih representasi iris, menetapkankorespodensi antara model dengan gambarpercobaan dan melakukan evaluasi

kemiripannya. Untuk memanfaatkankarakteristik ini digunakan proses dekomposisi2-D bandbass.

2.4 Rumus Perhitungan LingkaranRumus perhitungan lingkaran digunakan

untuk menghitung jari-jari pupil dan jari-jari irismata.

Gambar 2.3 Bentuk Lingkaran yangmenggambarkan Pupil dan Iris

Dari persamaan lingkaran :r² = (x – a)² + (y – b)² .....................(11)dimana,r = Jari-jari lingkaran (belum diketahui)(a,b) = Titik pusat lingkaran (belum diketahui)(x,y) = Koordinat titik sepanjang lingkaran

(tepi pupil pada 8 arah sudut)

2.5 Deteksi Tepi dan Operasi MorfologiDeteksi tepi (Edge Detection) pada suatu

citra adalah suatu proses yang menghasilkantepi-tepi dari obyek-obyek citra, , tujuannyaadalah : Untuk menandai bagian yang menjadi detail

citra. Untuk memperbaiki detail dari citra yang

kabur, yang terjadi karena error atau adanyaefek dari proses akuisisi citra.

Deteksi tepi berfungsi untukmengidentifikasi garis batas (boundary) darisuatu objek yang terdapat pada citra. Dimanapada penelitian ini, menggunakan MetodeCanny. Ada beberapa kriteria pendeteksi tepianpaling optimum yang dapat dipenuhi olehalgoritma Canny :1. Mendeteksi dengan baik (kriteria deteksi)

Kemampuan untuk meletakkan danmenandai semua tepi yang ada sesuai denganpemilihan parameter-parameter konvolusi yangdilakukan. Sekaligus juga memberikanfleksibilitas yang sangat tinggi dalam halmenentukan tingkat deteksi ketebalan tepi sesuaiyang diinginkan.2. Melokalisasi dengan baik (kriteria

lokalisasi)

Dengan Canny dimungkinkandihasilkannya jarak yang minimum antara tepiyang dideteksi dengan tepi yang asli.3. Respon yang jelas (kriteria respon)

Hanya ada satu respon untuk tiap tepi.Sehingga mudah dideteksi dan tidakmenimbulkan kerancuan pada pengolahan citraselanjutnya. Sedangkan operasi morfologi adalahteknik pengolahan citra yang didasarkan padabentuk segmen atau region dalam citra. Adabeberapa operasi morfologi yang dapat dilakukanantara lain, yaitu dilasi, erosi, opening(pembukaan), closing (penutupan), dan filling(pengisian) :

1. DilasiAdalah suatu proses menambahkan piksel

pada batasan dari objek dalam suatu gambarsehingga nantinya apabila dilakukan operasi inimaka gambar hasilnya lebih besar ukurannyadibandingkan dengan gambar aslinya.Operasi dilasi dilakukan untuk memperbesarukuran segmen objek dengan menambah lapisandi sekeliling objek.

2. ErosiOperasi erosi adalah kebalikan dari operasi

dilasi. Pada operasi ini, ukuran objek diperkecildengan mengikis sekeliling objek.

3. Opening (Pembukaan)Operasi pembukaan juga merupakan

kombinasi antara operasi erosi dan dilasi yangdilakukan secara berurutan, tetapi citra aslidierosi terlebih dahulu baru kemudian hasilnyadidilasi. Operasi ini digunakan untuk memutusbagian-bagian dari objek yang hanya terhubungdengan 1 atau 2 buah titik saja.

4. Closing (Penutupan)Operasi penutupan adalah kombinasi antara

operasi dilasi dan erosi yang dilakukan secaraberurutan. Citra asli didilasi terlebih dahulu,kemudian hasilnya dierosi. Operasi ini digunakanuntuk menutup atau menghilangkan lubang-lubang kecil yang ada dalam segmen objek.Operasi penutupan juga digunakan untukmenggabungkan 2 segmen objek yang salingberdekatan (menutup sela antara 2 objek yangsangat berdekatan).

5. Filling (Pengisian)Operasi pengisian merupakan kebalikan

dari operasi pencarian batas citra. Pada operasiini, citra masukan adalah citra batas/kontur,kemudian dilakukan pengisian sehinggadiperoleh segmen objek yang solid. Prosesnyadimulai dengan menentukan titik awal pengisianyang terletak di dalam objek, kemudian bergerakke arah titik-titik tetangganya.

3. ANALISIS DAN PERANCANGANAda beberapa tahapan yang harus dilakukan

dalam sistem pengenalan iris mata. Tahapan inidapat dilihat dalam langkah – langkah sebagaiberikut :

Gambar 3.1 Model Sistem Pengenalan Citra

Tahapan-tahapan perancangan untuk setiapbagian dari proses pengenalan iris matadijelaskan lebih lengkap pada tahapan berikutini:

3.1.1 Akuisisi CitraDi dalam suatu pengambilan data dapat

dilakukan dengan menggunakan berbagai media,seperti kamera digital, handycam, scanner atausuatu kamera khusus yang didesain untukakuisisi citra mata. Dengan memperhitungkanjarak dan pencahayaan. Dalam penelitian ini,proses akuisisi citra diasumsikan telah dilakukanyaitu oleh Chinese Academy of SciencesInstitute of Automation (CASIA), sehinggapenulis mengambil data iris mata dari databaseCASIA tersebut. Database iris mata ini diambilpada CASIA versi 1.0. Citra yang dihasilkanadalah citra keabuan dalam format BMP, denganukuruan 320 x 280 piksel. Database tersebutterdiri dari 756 citra yang diambil dari 108 objek,dari tiap objek diambil untuk mata kanan dankiri.

3.1.2 Segmentasi/Lokalisasi Pupil danIrisSegmentasi bertujuan untuk

melokalisasi beberapa bagian citra dari suatuobjek. Dalam penelitian pengenalan iris mata,segmentasi / lokalisasi terdiri dari lokalisasipupil, lokalisasi iris, lokalisasi kelopak mata, dansclera.

3.1.2.1 Lokalisasi PupilProses pertama setelah database CASIA

kita peroleh adalah melakukan lokalisasi pupil.Pupil adalah ruangan di tengah – tengah iris,ukuran pupil bervariasi dalam meresponintensitas cahaya dan memfokuskan objek(akomodasi) untuk memperjelas penglihatan,

pupil mengecil jika cahaya terang atau untukpenglihatan dekat. Dalam lokalisasi pupil ini,terdapat beberapa tahapan yang dapat dilakukanseperti di bawah ini :

Gambar 3.2 Tahapan Lokalisasi Pupil

Untuk melokalisasi bagian pupil,langkah pertama yang dilakukan adalah :

1. Deteksi Tepi Canny

Untuk melihat batas-batas dari tepi yangada pada citra mata yaitu dilakukan prosesdeteksi tepi dengan menggunakan deteksi tepiCanny. Deteksi tepi Canny dipilih karena dapatmendeteksi dengan baik sehingga dapatmelakukan pemilihan parameter-parameter untukmenandai semua tepi, melokalisasi dengan baiksehingga dapat menghasilkan jarak yangminimum antara tepi yang dideteksi dengan tepiyang asli, dan respon yang jelas sehingga mudahdideteksi dan tidak menimbulkan kerancuan padapengolahan citra selanjutnya. Dalam MATLABdapat digunakan fungsi berikut ini :

img=edge(handles.data1,'canny',.28);%Metode Canny edge detection

Dari program di atas, nilai ambang(threshold) yang dipilih untuk menentukandeteksi tepian adalah 0.28. Karena dengan nilaiambang kecil akan menghasilkan tepian yangsemakin baik, sehingga tepian yang ada padacitra dapat terlihat dengan jelas. Berikut iniadalah hasil citra yang telah di deteksi tepi padaprogram di atas:

Gambar 3.3 Citra Hasil Deteksi Tepi denganDeteksi Tepi Canny

2. Operasi Morfologi (Dilasi dan Fill)

Setelah proses deteksi tepi selesai, makaakan dilakukan operasi morfologi. Dimana,dalam operasi morfologi citra mata tersebutterdiri dari operasi dilasi dan fill. Dilasi adalahsuatu proses menambahkan piksel pada batasandari objek dalam suatu citra sehingga nantinyaapabila dilakukan operasi ini maka citra hasilnyalebih besar ukurannya dibandingkan dengan citraaslinya. Dalam MATLAB dapat digunakanfungsi berikut ini :

se=strel('line',11,90);%seadalah komponen morphologi

BWdil=imdilate(img,[se]);%DilasiCitra

Kemudian setelah proses dilasi selesai,akan dilakukan operasi morfologi berikutnyayaitu fill (pengisian). Fill adalah proses untukmenentukan titik awal pengisian yang terletak didalam objek, kemudian bergerak ke arah titik-titik tetangganya. Program yang dapat digunakanadalah sebagai berikut :

BWfil = imfill(BWdil,'holes');

Berikut ini adalah hasil citra yang telah didilasi dan di fill (pengisian) pada program diatas:

(a) (b)Gambar 3.4 Hasil Morfologi Citra

(a) Hasil Dilasi Citra (b) Hasil Fill Citra

3. Euclidean Highlight

Tahapan berikutnya untuk melokalisasipupil yaitu Euclidean highlight. Dimana setelahdilakukan operasi morfologi denganmenggunakan dilasi dan fill, kita akanmelakukan proses Euclidean Highlight, sehinggaakan menghasilkan gambar yang berupa kilatanatau cahaya disekitar area pupil. Program yangdapat digunakan adalah sebagai berikut :

BWdis=bwdist(~BWfil); %EuclideanHighlight

Berikut ini adalah hasil citra yang telah diEuclidean highlight pada program di atas:

Gambar 3.5 Citra Hasil Euclidean Highlight

4. Penentuan Titik Radius Dari Pupil

Pada bagian ini, batas pupil dideteksidengan menggunakan deteksi titik batas dalamdan batas luar dari sebuah citra, secara umumdapat direpresentasikan sebuah lingkaran yangkosentris satu sama lain.

Pencarian Titik KoordinatLingkaran Pupil

Titik pusat sebagai referensi dapat dicaridari tepian yang telah terdeteksi pada prosespendeteksian tepi dengan deteksi tepi Canny.Dari titik piksel pembentukan tepian pupil dapatdiambil 8 buah titik pada arah keluar dari atautitik estimasi (perkiraan) yang terletak di tengah-tengah citra.

Gambar 3.6 Deteksi Titik

Arah pencarian titik-titik tersebut masing-masing mempunyai sudut 45 derajat satu samalain, yaitu pada arah vertikal, horizontal, dandiagonal titik pusat citra. Berikut ini adalah tabeluntuk pencarian titik pusat citra :

Table 3.1 Arah 8 TitikNo. Arah Sumbu X Sumbu Y

1 0° x = x + 1 y2 135° x = x - 1 y = y - 1

3 225° x = x - 1 y = y + 1

4 315° x = x - 1 y = y - 1

5 45° x = x + 1 y = y - 1

6 270° x y = y + 1

7 180° x = x - 1 y

8 90° x y = y – 1

Penentuan Titik Pusat PupilTelah dibahas sebelumnya pada tinjauan

pustaka, tentang perhitungan lingkaran. Dalampersamaan tersebut koordinat dari titik pusat(a,b) dimana a adalah koordinat pusat padasumbu horizontal (sumbu x) dan b adalahkoordinat pusat pada sumbu vertikal (sumbu y).Dimana, kedelapan koordinat titik kemudianakan digunakan untuk mencari 6 buah titik pusatyang kemudian dijumlahkan dan diambil nilairata-ratanya untuk digunakan sebagai titik pusatlingkaran.

Dengan menggunakan rumus yang ada,koordinat titik pusat pupil dapat dihitung denganpersamaan sebagai berikut :

Gambar 3.7 Pemrograman Matlab untukPenentuan Titik Pusat Pupil

3.1.2.2 Lokalisasi IrisIris adalah daerah berbentuk gelang

pada mata yang dibatasi oleh pupil dan sclera(bagian putih dari mata). Iris merupakan suatuotot didalam mata yang mengatur ukuran daripupil, mengendalikan jumlah cahaya yang masukke mata. Dalam lokalisasi iris ini, terdapatbeberapa tahapan yang dapat dilakukan sepertiskema berikut ini :

Gambar 3.8 Tahapan Lokalisasi Iris

Untuk melokalisasi iris, langkahpertama yang dilakukan adalah :

1. Filter MedianUntuk mengurangi noise, dapat dilakukan

penapisan pada citra iris mata menggunakanmatriks konvolusi yang sesuai. Karena denganmengurangi noise (derau), maka mengurangibagian tidak penting yang terdapat pada irismata. Dalam program Matlab ini, untukmengurangi noise menggunakan Filter Median.Karena dengan filter median lebih efektifmenghilangkan noise (derau) yang berfrekuensitinggi pada citra mata. Berikut ini pemakaianfilter median dengan kernel 8x8 dapat dilakukanpada program dibawah ini :

im2=filter2(fspecial('average',8),handles.data1)/255;im2=medfilt2(im2,[8,8]);

Berikut ini adalah hasil citra yang telah diFilter pada program di atas:

Gambar 3.9 Citra Hasil Filter Median

2. Deteksi Tepi Canny

Setelah proses filter median selesai, makakita akan mendeteksi garis tepian citra iris matadengan menggunakan metode deteksi tepiCanny. Dalam MATLAB dapat digunakan fungsiberikut ini :

BW=edge(im2,'canny',.02);

Dari program di atas, nilai ambangnya(threshold) yang dipilih untuk menentukandeteksi tepian adalah 0.02. Karena dengan nilaiambang kecil akan menghasilkan tepian yangsemakin baik, sehingga tepian yang ada padacitra dapat terlihat dengan jelas. Berikut iniadalah hasil citra yang telah di deteksi tepi padaprogram di atas:

Gambar 3.10 Citra Hasil Deteksi TepiCanny

%menghitung pusat pupil 4 langkahfor n = 1 : 6

i = n;j = n+1;k = n+2;C(n) = (x(i)^2 + y(i)^2) - (x(j)^2 + y(j)^2);D(n) = 2*(x(i) - x(j));E(n) = 2*(y(i) - y(j));F(n) = (x(j)^2 + y(j)^2) - (x(k)^2 + y(k)^2);G(n) = 2*(x(j) - x(k));H(n) = 2*(y(j) - y(k));

center_y(n) = (C(n)*G(n)-(D(n)*F(n)))/(E(n)*G(n)-(D(n)*H(n)))

center_x(n) = (C(n)-(E(n)*center_y(n)))/D(n)endcenter_y;center_x;centerin_x = round(sum(center_x)/6)centerin_y = round(sum(center_y)/6)

3. Operasi Morfologi (Dilasi Citra)Pada tahapan ini berbeda dengan lokalisasi

pupil, di lokalisasi iris ini hanya menggunakanoperasi dilasi saja. Karena hanya akanmenentukan parameter iris mata, sehingga tidakdiperlukan operasi fill (pengisian). Pada operasidilasi ini program yang digunakan untuklokalisasi iris mata adalah :

se=strel('line',11,90);%se adalah komponen morphologiBWfinal=imdilate(BW,[se]);%Dilasi Citra

Berikut ini adalah hasil citra yang telah dideteksi tepi pada program di atas:

Gambar 3.11 Citra Hasil Dilasi

4. Penentuan Titik Koordinat IrisBerbeda dengan pupil, pencarian piksel

demi piksel untuk lingkaran iris bergerak daribatas citra mata menuju titik tengah. Hal inidilakukan dengan pertimbangan pencarian akanbertemu titik/garis tekstur iris hasil dari deteksitepi yang telah dideteksi. Langkah ini diharapkanmemiliki keberhasilan yang lebih besar.

Hal ini yang harus diperhatikan adalah citrairis mata tidak hanya iris saja, namun termasukjuga area selain iris seperti kelopak mata dansclera. Berikut ini adalah gambar deteksi titikuntuk deteksi titik iris :

Gambar 3.12 Deteksi Lingkaran Iris

Catatan : adalah deteksi batasan irisyang salah.

Tanda silang pada gambar di atasmenunjukkan posisi salah yang mungkinterdeteksi sebagai bagian dari lingkaran iris.Oleh sebab itu, pencarian titik berkebalikandengan langkah yang digunakan pada titik pupil.Delapan titik koordinat pada lingkaran iris

digunakan untuk menghitung titik pusat dan jari-jari iris, perhitungannya sama denganperhitungan parameter pupil.

4. PENGUJIAN DAN HASILDari hasil proses uji coba yang dilakukan

pada beberapa citra mata yang digunakan sebagaiobjek ternyata tidak semua citra dapat ditemukantitik radius pupil dan titik radius iris. Karenasetiap citra mata memiliki tingkat nilai ambangyaberbeda dengan citra mata lainnya, sehingga adabeberapa citra mata tidak terdeteksi oleh programtersebut.

Berikut adalah citra mata yang digunakansebagai objek dalam proses lokalisasi pupil danlokalisasi iris :1. Citra mata asli yang diperoleh dari

database CASIA, akan diambil beberapasampel citra untuk mendeteksi lokalisasipupil dan lokalisasi iris. Dari beberapasampel data dapat berhasil dideteksilokalisasi pupil dan lokalisasi iris. Hasil ujicoba dikatagorikan menjadi 3 macam, yaituberhasil bila hasil deteksi membentuklingkaran tepat pada tepi pupil dan iris,sedangkan hampir berhasil bila deteksilingkaran mendekati tepi pupil dan iris, dantidak berhasil bila deteksi lingkaranmenjauhi tepi pupil dan iris.Berikut ini salah satu gambar yang berhasil

membentuk lingkaran pupil dengan sempurnadengan yang hampir mendekati tepi pupil.Gambar 4.1b adalah hasil citra mata uji cobayang berhasil ditepi tengah pupil, sedangkangambar 4.1c adalah hasil citra mata uji coba yanghampir berhasil berada di titik tengah pupil.

Gambar 4.1a Citra Mata Asli

Gambar 4.1b Hasil Citra Mata Uji Cobadengan Kategori Berhasil ditepi tengah pupil.

Gambar 4.1c Hasil Citra Mata Uji Coba denganKategori Hampir Berhasil berada di titik tengah

pupil.

2. Berikut ini salah satu citra untukmendeteksi lokalisasi iris. Gambar 4.2badalah hasil citra mata uji coba yangberhasil membentuk lingkaran pupil daniris, sedangkan gambar 4.2c adalah hasilcitra mata yang hampir berhasil membentuklingkaran pupil dan iris.

Gambar 4.2a Citra Asli Mata.

Gambar 4.2b Hasil Citra Mata Uji Cobadengan Kategori Berhasil.

Gambar 4.2c Hasil Citra Mata Uji Coba denganKategori Hampir Berhasil.

Dari hasil uji coba secara keseluruhan citra,dapat dilihat pada tabel 4.1 persentase tingkatkeberhasilan segmentasi/lokalisasi pupil dan iris.Di bawah ini adalah tabel 4.1 :

Tabel 4.1 Hasil Segmentasi/LokalisasiKeseluruhan Citra

Secara keseluruhan segmentasi / lokalisasipupil dan iris dari 108 objek yang terdiri dari 756citra adalah tingkat keberhasilan tepi pupil daniris yang berhasil adalah 35.58% atau sekitar 269citra mata, sedangkan tingkat keberhasilan tepipupil dan iris yang hampir berhasil adalah50.93% atau sekitar 385 citra mata, dan tingkatkeberhasilan tepi pupil dan iris yang tidakberhasil adalah 13.49% atau sekitar 102 citramata yang terdeteksi. Sedangkan rata-ratakeseluruhan radius pupil dari 756 citra mataadalah 51.081, rata-rata radius iris adalah102.415, dan rata-rata waktu proses yang didapatdari keseluruhan citra adalah 3.677 detik.Sehingga dari analisa di atas, dapat disimpulkanbahwa segmentasi / lokalisasi iris lebih besarkeberhasilannya dibandingkan dengan pupil.

5. KESIMPULAN DAN SARANKesimpulan yang dapat diambil dalam

penulisan ini adalah penelitian ini telah berhasilmembangun aplikasi segmentasi iris matamenggunakan metode deteksi tepi dan operasimorfologi untuk lokasisasi pupil dan lokalisasiiris. Dari hasil uji coba keseluruhan citra yangterdiri dari 756 citra mata, segmentasi/lokalisasipupil dan iris yang berhasil adalah 35.58% atausekitar 269 citra mata, sedangkan tingkatkeberhasilan tepi pupil dan iris yang hampirberhasil adalah 50.93% atau sekitar 385 citramata, dan tingkat keberhasilan tepi pupil dan irisyang tidak berhasil adalah 13.49% atau sekitar102 citra mata yang terdeteksi. Sedangkan rata-rata keseluruhan radius pupil dan iris adalah51.081 dan 102.415, dan rata-rata waktu prosesyang didapat dari keseluruhan citra adalah 3.677detik. Dan analisa hasil uji coba yang telahdilakukan, dapat disimpulkan bahwa segmentasi/ lokalisasi iris lebih besar keberhasilannyadibandingkan dengan pupil.

Saran untuk pengembangan lebih lanjut daripenulisan ini adalah perlu adanya perbaikanpengujian segmentasi / lokalisasi pupil dan iris,

KategoriSegmentasi

TepiPupil

Tepi Iris TingkatKeberhasilanPupil & Iris

Berhasil 277(36.64%)

441(58.33%)

269 (35.58%)

Hampirberhasil

385(50.93%)

219(28.97%)

385 (50.93%)

Tidak berhasil 94(12.43%)

96(12.70%)

102 (13.49%)

karena masih ada beberapa citra mata yang tidakdapat disegmentasi/lokalisasi pupil dan irisnya.

DAFTAR PUSTAKA

[1] Aris Sugiharto, Pemrograman GUI denganMATLAB, Penerbit Andi, Yogyakarta,2006.

[2] Boles, W., B. Boashash, A humanidentification technique using images of theiris and wavelet transform, IEEETransactions on Signal Processingvol. 46, 1998.

[3] Chen, C.F. and Hsiao C.H., Waveletapproach to optimizing dynamic systems,IEE Proc. Control Theory Appl. Vol 146,1999, pp. 213-219.

[4] Daugman, J., High confidence visualrecognition of persons by a test ofstatistical independence, IEEE Transactionson Pattern Analysis and MachineIntelligence, v. 15, n. 11,Nov. 1993.

[5] Darma Putra, Sistem Biometrika : KonsepDasar, Teknik Analisis Citra, dan TahapanMembangun Aplikasi Sistem Biometrika,Penerbit Andi, Yogyakarta, 2003.

[6] Erick Paulus dan Yessica Nataliani, CepatMahir GUI Matlab, Penerbit Andi,Yogyakarta, 2007.

[7] Firman, Dasar Matlab,http://www.IlmuKomputer.com/, diunduhpada tanggal 22 Mei 2008

[8] Gonzales, Rafael C., Digital ImageProcessing, Addison-Waley Publishing,1997.

[9] Karmilasari, Sistem Pengenalan Iris MataDengan Metode Morfologi Citra danPengkodean Potongan Pola Iris,Universitas Gunadarma, Disertasi, 2008.

[10] Lim, Resmana and M.J.T, Reinder. FacialLandmark detection using a Gabor FilterRepresentation and a Genetic SearchAlgorith. Proceeding of ASCI 2000conference, Lommel Belgium, 2000.

[11] Marvin Ch. Wijaya dan Agus Prijono,Pengolahan Citra Digital MenggunakanMatlab, Penerbit Informatika, Bandung,2007.

[12] Rinaldi Munir, Pengolahan Citra Digitaldengan Pendekatan Algoritmik, PenerbitInformatika, Bandung, 2004.

[13] Smith, Kelly, Iris Patent Question, Email toJim Cambier, 9 June 2005.

[14] Wildes, R., Iris recognition: an emergingbiometric technology, Proceedings of theIEEE Volume 85, 1997

[15] http://www.doctorology.net/, diunduh padatanggal 28 Mei 2009.

[16] http://scgww.epfl.ch/courses, diunduh padatanggal 20 Mei 2009.