Sistem Deteksi Elemen Teks pada Naskah Sunda Kuno
Keywords:
deteksi elemen teks, binerisasi, connected component, naskah sunda kunoAbstract
Naskah Sunda kuno yang merupakan warisan budaya dalam bentuk tulisan tangan memiliki kekayaan informasi yang berkaitan dengan kehidupan kebudayaan Sunda antara abad ke-8 sampai abad ke-16. Berbagai upaya sudah dilakukan untuk mengkonservasi benda budaya tersebut, seperti dijitalisasi naskah menjadi citra dijital. Oleh karena itu, sistem deteksi elemen teks diperlukan oleh OCR untuk mengenali karakter atau kata yang terdapat pada naskah Sunda kuno. Penelitian ini dirancang untuk mengujicoba sistem deteksi elemen teks yang terdiri dari tahapan binerisasi, pemberian label elemen teks, dan pemotongan elemen teks. Data naskah sunda yang dipakai dalam penelitian analisa dokumen ini adalah sebanyak 10 sample lontar. Tujuan penelitian ini adalah untuk mengukur keakuratan sistem deteksi elemen teks. Hasil percobaan menunjukan sistem deteksi memiliki keakuratan sebesar 90% untuk kualitas citra dengan iluminasi seragam. Namun metode deteksi ini masih bergantung dari hasil proses binerisasi.
Downloads
References
I. M. G. Sunarya, M. W. A. Kesiman, and I. A. P. Purnami, “Segmentasi citra tulisan tangan aksara bali berbasis proyeksi vertikal dan horisontal,” J. Inform., vol. 9, no. 1, pp. 982–992, 2015.
M. W. A. Kesiman, “Segmentasi Area Teks Aksara Bali pada Citra Lontar Kuno Bali Berdasarkan Peta Nilai Lacunarity,” in Seminar Nasional Aplikasi Teknologi Informasi, 2013, pp. 7–12.
Puneet and N. K. Garg, “Binarization Techniques used for Grey Scale Images,” Int. J. Comput. Appl., vol. 71, no. 1, pp. 8–11, 2013.
A. Rakhmadi, N. Z. S. Othman, A. Bade, M. S. M. Rahim, and I. M. A. Department, “Connected Component Labeling Using Components Neighbors-Scan Labeling Approach,” J. Comput. Sci., vol. 6, no. 10, pp. 1099–1107, 2010.
S. R. Yahya, S. N. H. S. Abdullah, K. Omar, and M. S. Zakaria, “Review on Image Enhancement Methods of Old Manuscript with Damaged Background,” Int. J. Electr. Eng. Informatics, vol. 2, no. 1, pp. 1–14, 2010.
J. Kaur and R. Mahajan, “A Review of Degraded Document Image Binarization Techniques,” Int. J. Adv. Res. Comput. Commun. Eng., vol. 3, no. 5, pp. 6581–6586, 2014.
B. Su, S. Lu, and C. L. Tan, “Robust document image binarization technique for degraded document images,” IEEE Trans. Image Process., vol. 22, no. 4, pp. 1408– 1417, 2013.
N. Ntogas and D. Veintzas, “A binarization algorithm for historical manuscripts,” Proc. 12th WSEAS Int. Conf. Commun., pp. 41–51, 2008.
I. Pratikakis, B. Gatos, and K. Ntirogiannis, “ICDAR 2013 document image binarization contest (DIBCO 2013),” Proc. Int. Conf. Doc. Anal. Recognition, ICDAR, no. Dibco, pp.1471–1476, 2013.
N. Ntogas and D. Ventzas, “A Binarization Algorithm For Historical Manuscripts,” in 12th WSEAS International Conference on communications, 2008, pp. 41–51.
J. Sauvola and M. Pietikäinen, “Adaptive document image binarization,” Pattern Recognit., vol. 33, no. 2, pp. 225–236, 2000.
Matlab Documentation. Matlab Graphics. The MathWork, Inc, 2016
