The Effect of Peak Signal to Noise Ratio (PSNR) Values on Object Detection Accuracy in Viola Jones Method

Haruno Sajati

doi:10.28989/senatik.v4i0.139

Abstract

Image quality is an important parameter in object detection. Image with good quality will produce high accuracy in the object detection process. Image quality is measured using the peak signal comparison of the original image with the interference that occurs in the image. This comparison is formulated with the Peak Signal To Noise Ratio (PSNR). PSNR values obtained from variations in image quality improvements will be seen in its characteristics in object detection methods using the Viola Jones method. The higher PSNR value will definitely produce better accuracy, but improving the image to the best quality will drain resources and a high computational burden so it needs to find a minimum PSNR value that can still be considered good in the object detection process. The minimum PSNR value for the image is said to be feasible to be processed 19.05 dB. The minimum PSNR value before the object can no longer be detected is 12.43 dB.

Highlights

Abstrak Kualitas gambar merupakan parameter penting dalam proses pendeteksian objek
Nilai Peak Signal to Noise Ratio (PSNR) yang diperoleh dari variasi peningkatan kualitas gambar akan dilihat karakteristiknya pada aplikasi pendeteksian objek menggunakan metode Viola Jones
Clustering of Image Data Using K-Means and Fuzzy K-Means

Summary

Nilai PSNR

3.1 Pembangkitan Noise Pada penelitian ini, noise sengaja dibuat pada sebuah citra dan diukur kualitas citranya untuk melihat sejauh mana metode Viola Jones masih dapat mendeteksi obyek yang terganggu noise tersebut. MSE memiliki formula yang ditunjukkan pada persamaan (1) sebagai berikut: 3.3 Pengaruh Noise Level Pada Nilai PSNR Setelah citra asli diberikan noise menggunakan salt and pepper noise generator, citra diukur kualitasnya. Dari Gambar 2 diketahui bahwa semakin tinggi noise level sebuah citra maka semakin rendah nilai PSNR citra tersebut. Untuk menghitung fitur nilai Haar menggunakan Summed Area Table atau yang dikenal sebagai Integral image (Gambar 5.b). Pada setiap citra yang diuji (pada berbagai variasi nilai PSNR), dihitung jumlah obyek wajah yang berhasil terdeteksi, jumlah obyek bukan wajah yang terdeteksi sebagai wajah (positive false) dan jumlah wajah yang tidak berhasil terdeteksi (negative false) seperti dicontohkan pada Gambar 6 dimana nilai noise level 35%. Hasil pendeteksian obyek dengan variasi noise level dan nilai PSNR ditunjukkan pada Tabel 2

Wajah Terdeteksi

Centroid Jumlah Wajah Terdeteksi