REKONSTRUKSI CITRA-WARNA DARI PENGINDERAAN KOMPRESIF DENGAN MATRIKS PENGUKURAN TEROPTIMASI
|
|
- Iwan Hadiman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 REKONSTRUKSI CITRA-WARNA DARI PENGINDERAAN KOMPRESIF DENGAN MATRIKS PENGUKURAN TEROPTIMASI Endra Department of Computer Engineering Bina Nusantara University Agustus 2011
2 WHAT IS COMPRESSIVE SENSING? A Contemporary Paradox
3 WHAT IS COMPRESSIVE SENSING?
4 WHAT IS COMPRESSIVE SENSING? Candes, E.J., and Wakin, M.B., March. 2008, An Introduction to Compressive Sampling, IEEE Signal Processing Magazine., pp
5 WHAT IS COMPRESSIVE SENSING? When Sensing Meet Compression Automatically translates analog data into already compressed digital form.
6 Applications and Opportunities Of Compressive Sensing New Analog-to-Digital Converters (Analog to Information)
7 COMPRESSIVE SENSING CS Theory Requires Three Aspects : 1. The desired signals/images are sparse/compressible. 2. CS matrices satisfies RIP (Restricted IsometryProperty). 3. Reconstruction algorithms.
8 COMPRESSIVE SENSING FRAMEWORK M 1 M N N K K 1 θ M 1 M K K 1 D θ S Sparse Measurement Matrix Sparse Coefficent Equivalent Dictionary Basis/Dictionary M N y x x If K N Complete (Basis) y D If K N Over-Complete (Dictionary)
9 PENELITIAN SEBELUMNYA 1. Emmanuel J. Candès and Terence Tao, 2006 Menggunakan random matriks untuk pengukuran/proyeksi kompresif dan - minimization untuk rekonstruksi J. A. Tropp and A. C. Gilbert, 2007 Menggunakan random matriks untuk pengukuran kompresif dan Orthogonal Matching Pursuit (OMP) untuk rekonstruksi. 3. M. Elad, 2007 Optimasi matriks pengukuran, OMP dan 1 - minimization untuk rekonstruksi sinyal 1 dimensi dan memiliki eksak sparsity. p 4. Rick Chartrand and Wotao Yin, 2008 IRLS- - minimization untuk rekonstruksi sinyal 1 dimensi dan eksak sparsity, random matriks untuk pengukuran. 5. Endra, 2010 IRLS - p - minimization untuk rekonstruksi citra warna dari penginderaan kompresif, menggunakan random matriks untuk pengukuran. Pada tulisan ini optimasi matriks pengukuran didasarkan pada metode Elad untuk pengukuran kompresif citra warna dan rekonstruksi menggunakan IRLS- p - Minimization dan OMP sebagai perbandingan.
10 OPTIMIZED MEASUREMENT MATRIX Random Gaussian Matrix that fulfill the required property of CS measurement (Incoherency & RIP) usually to be used to encode the signal. can be optimized by reducing the mutual coherence : T D : max d d Equivalent Dictionary, D, i j,1 i, j K i close to orthonormal Gram-Matrix of Equivalent Dictionary : G I min D G I 2 F min D D t D I 2 F
11 NUMERICAL EXPERIMENTS
12 RESULTS Citra Uji Lena Untuk algoritma Iteratively IRLS ell-pminimization peningkatkan PSNR mencapai 88 % Untuk algoritma OMP peningkatan PSNR mencapai 175 %
13 RESULTS Citra Uji Lena Random Matriks M = 19 % Optimasi Matriks Pengukuran IRLS-ell-p minimization OMP
14 RESULTS Citra Uji Baboon Untuk algoritma Iteratively IRLS ell-pminimization peningkatkan PSNR mencapai 68 % Untuk algoritma OMP peningkatan PSNR mencapai 108 %
15 RESULTS Citra Uji Baboon Random Matriks M = 16 % Optimasi Matriks Pengukuran IRLS-ell-p minimization OMP
16 Kesimpulan Optimasi matriks pengukuran pada penginderaan kompresif citra-warna dapat meningkatkan kualitas rekonstruksi citra untuk kedua metode rekonstruksi yang digunakan yakni Iteratively IRLS ell-p - minimization dan OMP. Untuk penelitian selanjutnya, peningkatan kinerja dari penginderaan kompresif dapat dilakukan dengan menggunakan kamus-basis lewat lengkap yang dipelajari dari sekumpulan besar citra dan optimasi matriks pengukuran dilakukan bersamaan dalam proses pembelajaran tersebut. Peningkatan lebih jauh lagi dilakukan dengan memanfaatkan representasi block-sparse yang dipelajari dari sekumpulan besar citra untuk mengoptimasi matriks pengukuran.
17 REFERENCES [1] Michael Unser, Apr. 2000, Sampling 50 Years After Shannon, Proceedings of the IEEE., vol. 88, no. 4, pp [2] David L. Donoho, Apr. 2006, Compressed Sensing, IEEE Transactions on Information Theory., vol. 52, no. 4, pp [3] Emmanuel J. Candès, Justin Romberg, and Terence Tao, Feb. 2006, Robust Uncertainty Principles: Exact Signal Reconstruction From Highly Incomplete Frequency Information, IEEE Transactions on Information Theory., vol. 52, no. 2, pp [4] E. Candès, J. Romberg, and T. Tao, Aug. 2006, Stable signal recovery from incomplete and inaccurate measurements, Comm. Pure Appl. Math., vol. 59, no. 8, pp [5] Emmanuel J. Candès and Terence Tao, Dec. 2006, Near-Optimal Signal Recovery From Random Projections: Universal Encoding Strategies?, IEEE Transactions on Information Theory., vol. 52, no. 12, pp [6] Candes, E.J., and Wakin, M.B., March. 2008, An Introduction to Compressive Sampling, IEEE Signal Processing Magazine., pp [7] Jing Wu and Ye Li, Nov. 2009, Low-complexity Video Compression for Capsule Endoscope Based on Compressed Sensing Theory, in Proc. International Conference of the IEEE Engineering in Medicine and Biology Society, EMBC 2009., pp [8] Lustig, M., Donoho, D.L., Santos, J.M., Pauly, J.M., March. 2008, Compressed Sensing MRI, IEEE Signal Processing Magazine., pp [9] Haupt, J., Bajwa, W.U., Rabbat, M., and Nowak, R., March. 2008, Compressed Sensing for Networked Data, IEEE Signal Processing Magazine., pp [10] Peng Zhang, Chen Chen, and Minrun Liu, Nov. 2009, The Application of Compressed Sensing in Wireless Sensor Network, in Proc. International Conference on Wireless Communication & Signal Processing, WCSP 2009., pp. 1-5.
18 REFERENCES [11] Lei Yu, Yi Yang, Hong Sun, and Chu He, Oct. 2009, Turbo-like Iterative Thresholding for SAR Image Recovery from Compressed Measurements, in Proc.2nd Asian Pacific Conference on Synthetic Aperture Radar, APSAR 2009., pp [12] Matthew A. Herman and Thomas Strohmer, Jun. 2009, High-Resolution Radar via Compressed Sensing, IEEE Transactions on Signal Processing., pp [13] A Anil Kumar and Anamitra Makur, Jan. 2009, Lossy Compression of Encrypted Image by Compressive Sensing Technique, in Proc. IEEE Region 10 Conference TENCON 2009., pp [14] Adem Orsdemir, H. Oktay Altun, Gaurav Sharma, and Mark F. Bocko, Nov. 2008, On The Security and Robustness of Encryption Via Compressed Sensing, in Proc. IEEE Military Communications Conference, MILCOM 2008., pp [15] Justin Romberg, March. 2008, Imaging via Compressive Sensing, IEEE Signal Processing Magazine., pp [16] Duarte, M.F., Davenport, M.A., Takhar, D., Laska, J.N., Ting Sun, Kelly, K.F., and Baraniuk, R.G., March. 2008, Single-Pixel Imaging via Compressive Sampling, IEEE Signal Processing Magazine., pp [17] Jianwei Ma, Oct. 2009, A Single-Pixel Imaging System for Remote Sensing by Two-Step Iterative Curvelet Thresholding, IEEE Geoscience and Remote Sensing Letters., vol. 6, no. 4, pp [18] Jianwei Ma, Apr. 2009, Single-Pixel Remote Sensing, IEEE Geoscience and Remote Sensing Letters., vol. 6, no. 2, pp [19] Mark A. Davenport, Petros T. Boufounos, Michael B. Wakin, and Richard G. Baraniuk, Apr. 2010, Signal Processing With Compressive Measurements, IEEE Journal of Selected Topics in Signal Processing., vol. 4, no. 2, pp [20] D.S. Taubman and M.W. Marcellin, 2001, JPEG 2000: Image Compression Fundamentals, Standards and Practice, Norwell, MA: Kluwer.
19 REFERENCES [21] E. Candès and J. Romberg, 2007, Sparsity and incoherence in compressive sampling, Inverse Prob., vol. 23, no. 3, pp [22] Endra, Oct. 2010, Color Image Reconstruction From Compressive Sensing Using Iteratively Reweighted Least Squares- p Minimization, in Proc. Makassar International Conference on Electrical Engineering and Informatics, [23] M. Elad, Dec. 2007, Optimized projections for compressed sensing, IEEE Transactions on Signal Processing, vol. 55, no. 12, pp [24] Rick Chartrand and Wotao Yin, Apr. 2008, Iteratively Reweighted Algorithms for Compressive Sensing, in Proc. IEEE International Conference on Acoustics, Speech and Signal Processing, ICASSP 2008., pp [25] J. A. Tropp and A. C. Gilbert, 2007, Signal recovery from random measurements via orthogonal matching pursuit, IEEE Transactions on Information Theory, vol. 53, no. 12, pp [26] David L. Donoho and Xiaoming Huo, Nov. 2001, Uncertainty Principles and Ideal Atomic Decomposition, IEEE Transactions on Information Theory., vol. 47, no. 7, pp [27] K. Rosenblum, L. Zelnik-Manor, and Y. C. Eldar, Dictionary optimization for block sparse representations, arxiv.org submitted to IEEE Trans. Signal Process., May [28] Kevin Rosenblum, Lihi Zelnik-Manor, Yonina C. Eldar, Sept. 2010, Sensing Matrix Optimization for Block-Sparse Decoding, preprint[ Online]. Available: 533v1.pdf
20 REFERENCES [29] Petros Boufounos, Justin Romberg and Richard Baraniuk, Compressive Sensing : Theory and Applications, IEEE Int. Conf. on Acoustics, Speech and Signal Processing (ICASSP), Las Vegas, Nevada, Apr [Online]. Available: ICASSP-mar08.pdf. [30] Jianwei Ma., Data Recovery from Compressed Measurement, School of Aerospace, Tsinghua University, Beijing. [31] E. Candès, Electrical Engineering Colloquium, University of Washington, December [32] Michael Elad, Optimized Projection Directions for Compressed Sensing, The IV Workshop on SIP & IT Holon Institute of Technology June 20th, [33] Michael Elad, Sparse & Redundant Representation Modeling of Images, Summer School on Sparsity in Image and Signal Analysis, Holar, Iceland, August 15 20, 2010.
OPTIMASI PENGINDERAAN KOMPRESIF
OPIMASI PENGINDERAAN KOMPRESIF Endra Computer Engineering Department, Faculty of Engineering, Binus University Jl. K.H. Syahdan No. 9, Palmerah, Jakarta Barat 11480 endraoey@binus.edu ABSRAC Compressive
Lebih terperinciCurriculum Vitae. Educational Background
Curriculum Vitae Educational Background endraoey@binus.edu Sept 2009 Present : PhD Candidate in Electrical Engineering, University of Indonesia. Research : Compressive Sensing Aug 2003 - Aug 2005 : Magister
Lebih terperinciCompressed Sensing untuk Aplikasi Pengolahan Citra
Compressed Sensing untuk Aplikasi Pengolahan Citra Omrin Tampubolon NRP : 2207100531 Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro FTI, Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih
Lebih terperinciREKONSTRUKSI CITRA DARI PENCUPLIKAN KOMPRESIF
REKONSTRUKSI CITRA DARI PENCUPLIKAN KOMPRESIF Endra Comuter Engineering Deartment, Faculty of Engineering, Binus University Jln. K.H. Syahdan No. 9, Palmerah, Jakarta Barat 480 endraoey@binus.edu ABSTRACT
Lebih terperinciBAB 1 PENDAHULUAN. kemampuan hardware untuk pengambilan / pencuplikan citra serta
BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring perkembangan jaman penggunaan citra dalam suatu sistem komputer memiliki peran yang semakin penting. Hal ini dikarenakan kemajuan teknik dan kemampuan hardware
Lebih terperinciPEMAMPATAN CITRA MEDIK BERBASIS PENCUPLIKAN KOMPRESIF DAN PUSTAKA LATIH OVERCOMPLETE K-SVD
Pemampatan Citra Medik berbasis Pencuplikan Kompresif dan Pustaka Latih.. (Antonius Darma Setiawan) PEMAMPATAN CITRA MEDIK BERBASIS PENCUPLIKAN KOMPRESIF DAN PUSTAKA LATIH OVERCOMPLETE K-SVD Antonius Darma
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1. Hasil pengindraan atau pengukuran Pengambilan data dari hasil pengindraan atau pengukuran dapat dilihat pada lampiran A, berupa citra asli yang dengan format data.png kemudian
Lebih terperinciENHANCED K-SVD ALGORITHM for IMAGE DENOISING
ENHANCED K-SVD ALGORITHM for IMAGE DENOISING Edwin Junius, Reza Alfiansyah, Endra,Universitas Bina Nusantara, mono_unk@yahoo.com, devil.reza12@yahoo.com, ABSTRAK Penelitian ini bertujuan untuk membuat
Lebih terperinciKOMPRESI CITRA MENGGUNAKAN COMPRESSED SENSING BERBASIS BLOK
KOMPRESI CITRA MENGGUNAKAN COMPRESSED SENSING BERBASIS BLOK Disusun Oleh : Ardyan Lawrence (1022068) Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof. Drg. Suria Sumantri, MPH No.65, Bandung, Indonesia.
Lebih terperinciPenyisipan Data Dengan Teknik Gabungan LWT-DST Dan Compressive Sampling Pada Steganografi Audio Stereo
Penyisipan Data Dengan Teknik Gabungan LWT-DST Dan Compressive Sampling Pada Steganografi Audio Stereo Niken Salma Nabila 1, Bambang Hidayat 2, Gelar Budiman 3 1,2,3 Telkom University Jl. Telekomunikasi
Lebih terperinciBAB 1 PENDAHULUAN. salah satunya adalah untuk proses image denoising. Representasi adalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Sinyal adalah besaran besaran fisik yang berubah ubah terhadap satu atau beberapa variabel bebas. Representasi sinyal sangat penting untuk sinyal proses, salah satunya
Lebih terperinciBAB V KESIMPULAN. Wajah pada Subruang Orthogonal dengan Menggunakan Laplacianfaces
BAB V KESIMPULAN Berdasarkan uji coba dan analisis hasil pengujian terhadap Sistem Pengenalan Wajah pada Subruang Orthogonal dengan Menggunakan Laplacianfaces Terdekomposisi QR dapat disimpulkan sebagai
Lebih terperinciBAB 1 PENDAHULUAN. identifikasi (Naseem, 2010). Sudah banyak sistem biometrik yang dipakai pada
BAB 1 PENDAHULUAN 1.1. Latar Belakang Biometrik merupakan cara untuk merekam fisik seseorang atau karakteristik kebiasaan atau sifat yang bisa digunakan untuk otentikasi atau identifikasi (Naseem, 2010).
Lebih terperinciANALISIS DWT SEBAGAI TRANSFORMASI SPARSITY UNTUK PENCUPLIKAN KOMPRESIF PADA AUDIO ANALYSIS OF DWT AS SPARSITY TRANSFORM FOR AUDIO COMPRESSIVE SAMPLING
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 216 Page 1772 ANALISIS DWT SEBAGAI TRANSFORMASI SPARSITY UNTUK PENCUPLIKAN KOMPRESIF PADA AUDIO ANALYSIS OF DWT AS SPARSITY TRANSFORM
Lebih terperinciANALISIS PENGARUH EXPOSURE TERHADAP PERFORMA ALGORITMA SIFT UNTUK IMAGE MATCHING PADA UNDERWATER IMAGE
ANALISIS PENGARUH EXPOSURE TERHADAP PERFORMA ALGORITMA SIFT UNTUK IMAGE MATCHING PADA UNDERWATER IMAGE HANANTO DHEWANGKORO A11.2009.04783 Universitas Dian Nuswantoro. Semarang, Indonesia Email: hanantodhewangkoro@gmail.com
Lebih terperinciKOMPRESI CITRA MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS ABSTRAK
KOMPRESI CITRA MENGGUNAKAN INDEPENDENT COMPONENT ANALYSIS Lucky Khoerniawan / 0222104 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia Email : khoerniawan.lucky@yahoo.com
Lebih terperinciCOMPARISON OF ONE DIMENSIONAL DCT AND LWT SPARSE REPRESENTATION
COMPARISON OF ONE DIMENSIONAL DCT AND LWT SPARSE REPRESENTATION Endra 1 ; Gusandy 2 ; Kurniawaty 3 ; Yenny Lan 4 Jurusan Sistem Komputer, Fakultas Ilmu Komputer, BINUS University, Jakarta Jln K.H. Syahdan
Lebih terperinciApa Compressed Sensing?
1 COMPRESSED SENSING UNTUK APLIKASI PENGOLAHAN CITRA OMRIN TAMPUBOLON 2207100531 DOSEN PEMBIMBING Dr. Ir. Wirawan, DEA Jurusan Teknik Elektro Bidang Studi Telekomunikasi Multimedia Institut Teknologi Sepuluh
Lebih terperinciBLIND WATERMARKING PADA CITRA DIGITAL DALAM DOMAIN DISCRETE COSINE TRANSFORM (DCT) BERBASIS ALGORITMA GENETIKA
BLIND WATERMARKING PADA CITRA DIGITAL DALAM DOMAIN DISCRETE COSINE TRANSFORM (DCT) BERBASIS ALGORITMA GENETIKA Disusun oleh : Nama : Aryanto M Nrp : 0722066 Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Noise Pada saat melakukan pengambilan gambar, setiap gangguan pada gambar dinamakan dengan noise. Noise dipakai untuk proses training corrupt image, gambarnya diberi noise dan
Lebih terperinciREPRESENTASI SINYAL DENGAN KAMUS BASIS LEWAT-LENGKAP SKRIPSI. Oleh. Albert G S Harlie Kevin Octavio Ricardo Susetia
REPRESENTASI SINYAL DENGAN KAMUS BASIS LEWAT-LENGKAP SKRIPSI Oleh Albert G S Harlie 1100002070 Kevin Octavio 1100002096 Ricardo Susetia 1100007626 Universitas Bina Nusantara Jakarta 2011 REPRESENTASI SINYAL
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Era digital sekarang ini membuat manusia hampir tidak mungkin untuk lepas dari penggunaan alat alat elektronik dalam melakukan suatu pekerjaan sehari hari. Penggunaan komputer misalnya,
Lebih terperinciRabiner L, Juang BH Fundamental of Speech Recognition. New Jersey: PTR Prentice-Hall, Inc. Reynolds D.A An Overview of Automatic
DAFTAR PUSTAKA Bolat B, Yildirim T. 2003. Performance increasing methods for probabilistic Neural Networks. Pakistan Journal of Information and Technology 2(3):250-255. Campbell, J.P., 1997, Speaker Recognition:
Lebih terperinciPERBANDINGAN DTCWT DAN NMF PADA FACE RECOGNITION MENGGUNAKAN EUCLIDEAN DISTANCE
PERBANDINGAN DTCWT DAN NMF PADA FACE RECOGNITION MENGGUNAKAN EUCLIDEAN DISTANCE David; Ferdinand Ariandy Luwinda Computer Science Department, School of Computer Science, Binus University Jl. K.H. Syahdan
Lebih terperinciJURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA :38:54
Rekonstruksi Citra pada Super Resolusi menggunakan Projection onto Convex Sets (Image Reconstruction in Super Resolution using Projection onto Convex Sets) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciWatermarking Citra Digital Berwarna Dalam Domain Discrete Cosine Transform (DCT) Menggunakan Teknik Direct Sequence Spread Spectrum (DSSS)
Watermarking Citra Digital Berwarna Dalam Domain Discrete Cosine Transform (DCT) Menggunakan Teknik Direct Sequence Spread Spectrum (DSSS) Sesto Sumurung (0722077) Email: sesto.sianturi@gmail.com Jurusan
Lebih terperinciKRIPTOGRAFI VISUAL PADA CITRA BERWARNA MENGGUNAKAN METODE KOMBINASI PERLUASAN WARNA RED GREEN DAN BLUE
KRIPTOGRAFI VISUAL PADA CITRA BERWARNA MENGGUNAKAN METODE KOMBINASI PERLUASAN WARNA RED GREEN DAN BLUE Amazone Ruwe Munthe (0722059) Jurusan Teknik Elektro email: rue.amazone@gmail.com ABSTRAK Visual kriptografi,
Lebih terperinciIMPLEMENTASI KONSTRUKSI CITRA SUPER RESOLUSI DENGAN REPRESENTASI SPARSE
IMPLEMENTASI KONSTRUKSI CITRA SUPER RESOLUSI DENGAN REPRESENTASI SPARSE M. Hirzul Umam, Nanik Suciati, Arya Yudhi W 3,,3 Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember
Lebih terperinciREDUNDANSI FRAME DAN PENGARUHNYA PADA DEKOMPOSISI FUNGSI DI RUANG HILBERT
Page 1 of 33 REDUNDANSI FRAME DAN PENGARUHNYA PADA DEKOMPOSISI FUNGSI DI RUANG HILBERT SUZYANNA NRP.1208 201 002 July 13, 2010 ABSTRAK Page 2 of 33 Konsep frame di ruang hasil kali dalam dapat dipandang
Lebih terperinciPERANCANGAN PERANGKAT LUNAK KRIPTOGRAFI VISUAL TANPA EKSPANSI PIKSEL DAN ALGORITMA RLE
PERANCANGAN PERANGKAT LUNAK KRIPTOGRAFI VISUAL TANPA EKSPANSI PIKSEL DAN ALGORITMA RLE Dhina Bangkit Kumalasari Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof.Drg.Suria
Lebih terperinciBAB V KESIMPULAN DAN SARAN
BAB V KESIMPULAN DAN SARAN V.1. Kesimpulan Dari pembahasan Komputasi Paralel untuk Inpainting Citra Digital dengan metode Perona-Malik di atas, dapat ditarik beberapa kesimpulan, yaitu: 1. Aplikasi untuk
Lebih terperinciDIGITAL WATERMARKING DALAM DOMAIN SPATIAL MENGGUNAKAN PENDEKATAN BLOK
DIGITAL WATERMARKING DALAM DOMAIN SPATIAL MENGGUNAKAN PENDEKATAN BLOK Oleh : MURINTO 1, AGUS HARJOKO 2 1) Prog.Studi Teknik Informatika UAD Jogjakarta, email :rintokusno@yahoo.com 2) Staf Pengajar Fakultas
Lebih terperinciFUSI CITRA BERBASIS COMPRESSIVE SENSING
ABSTRAK FUSI CITRA BERBASIS COMPRESSIVE SENSING Disusun oleh : Kristian Hernowo (1022022) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof. Drg. Suria Sumantri, MPH. No.
Lebih terperinciAlgoritma Interpolasi Citra Berbasis Deteksi Tepi Dengan Directional Filtering dan Data Fusion
Algoritma Interpolasi Citra Berbasis Deteksi Tepi Dengan Directional Filtering dan Data Fusion Nama : Adrianus Ivan Hertanto Nrp : 0522058 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha,
Lebih terperinciAnalisa Multiwavelet untuk Kompresi Suara
1 ISSN 1979-2867 (print) Electrical Engineering Journal Vol. 1 (2010) No. 1, pp. 1-11 Analisa Multiwavelet untuk Kompresi Suara Immanuel Silalahi 1 dan Riko Arlando Saragih 2 1 Alumni Jurusan Teknik Elektro
Lebih terperinciSharing Pengalaman Mempublikasikan Artikel di Jurnal Internasional Berkualitas. Dr. Yohan Suryanto, ST. MT.
Sharing Pengalaman Mempublikasikan Artikel di Jurnal Internasional Berkualitas Dr. Yohan Suryanto, ST. MT. yohan.suryanto@ui.ac.id Daftar Publikasi dan Paten Program Doktoral UI Y. Suryanto, Suryadi, Kalamullah
Lebih terperinciBAB 3 PERUMUSAN PENELITIAN. Signal. Sparse Coding. Reconstruction. Reconstructed. Assessment
BAB PERUMUSAN PENELITIAN.1 Blok Diagram Signal Sparse Coding Dictionary Reconstruction Reconstructed Signal Assessment Gambar.1 Blok Diagram secara Umum Secara umum tujuan penelitian ini akan mencari dictionary
Lebih terperinciCODE COURSE TITLE JAN FEB MARCH APR MAY JUNE JULY AUG SEPT OCT NOV DEC
Permintaan Brosur penawaran Training silahkan Menghubungi kami via : Mobile : 0823 2326 5005 0857 2459 5005 Email : trainingcenterindo@gmail.com / info@jadwaltraining.co.id Web: www.informasitraining-indonesia.com
Lebih terperinciKompresi Citra dan Video. Muhtadin, ST. MT.
Kompresi Citra dan Video Muhtadin, ST. MT. Outline Motivasi Redundancy & Irrelevancy Spatial Processing JPEG Temporal Processing Frame differencing Motion Estimation dan Motion Compensation Prediction
Lebih terperinci2
SISTEM WATERMARKING UNTUK DETEKSI DAN RECOVERY CITRA MEDIS TERMODIFIKASI MENGGUNAKAN DISCRETE COSINE TRANSFORM (DCT) DAN ABSOLUTE MOMENT BLOCK TRUNCATION CODING (AMBTC) Nida Mujahidah Azzahra 1, Adiwijaya
Lebih terperinciPenerapan Watermarking pada Citra berbasis Singular Value Decomposition
Penerapan Watermarking pada Citra berbasis Singular Value Decomposition David Leonard Hasian ( 0522049 ) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jln. Prof. Drg. Suria Sumantri
Lebih terperinciBlind Watermarking Citra Digital Pada Komponen Luminansi Berbasis DCT (Discrete Cosine Transform) Irfan Hilmy Asshidiqi ( )
Blind Watermarking Citra Digital Pada Komponen Luminansi Berbasis DCT (Discrete Cosine Transform) Irfan Hilmy Asshidiqi (0822048) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha,
Lebih terperinciPENGGABUNGAN DUA CITRA DENGAN METODE COMPRESSIVE SENSING MENGGUNAKAN MATLAB
ABSTRAK PENGGABUNGAN DUA CITRA DENGAN METODE COMPRESSIVE SENSING MENGGUNAKAN MATLAB Disusun oleh : Glenn Yehezkiel Pratiknyo (1027027) Jurusan Sistem Komputer, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri,
Lebih terperinciKINERJA LEACH PROTOCOL PADA WSN YANG BEKERJA DI LINGKUNGAN DENGAN TEMPERATUR YANG TINGGI
KINERJA LEACH PROTOCOL PADA WSN YANG BEKERJA DI LINGKUNGAN DENGAN TEMPERATUR YANG TINGGI Abdi Wahab 1, Mudrik Alaydrus 2 Program Studi Magister Teknik Elektro, Fakultas Pascasarjana, Universitas Mercu
Lebih terperinciPeningkatan Kinerja Skema Estimasi Arah Kedatangan Sinyal dengan Compressive Sensing Sparsitas Sudut dengan Metode Multisnap Sampel
Peningkatan Kinerja Skema Estimasi Arah Kedatangan Sinyal dengan Compressive Sensing Sparsitas Sudut dengan Metode Multisnap Sampel Koredianto Usman 1, Andriyan Bayu Suksmono 2, Hendra Gunawan 3 1 Sekolah
Lebih terperinciANALISA KINERJA CODEBOOK PADA KOMPRESI CITRA MEDIS DENGAN MEMPERHATIKAN REGION OF INTEREST
ANALISA KINERJA CODEBOOK PADA KOMPRESI CITRA MEDIS DENGAN MEMPERHATIKAN REGION OF INTEREST Michihiro Suryanto / 0422033 Departement Of Electrical Engineering, Maranatha Christian University. Jl. Prof.Drg.Suria
Lebih terperinciWATERMARKING PADA BEBERAPA KELUARGA WAVELET
JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 3, 18-25, Desember 2004, ISSN : 1410-8518 WATERMARKING PADA BEBERAPA KELUARGA WAVELET Aris Sugiharto, Eko Adi Sarwoko Jurusan Matematika FMIPA Universitas Diponegoro
Lebih terperinciAPLIKASI COMPRESSIVE SENSING UNTUK ESTIMASI ARAH KEDATANGAN SINYAL
APLIKASI COMPRESSIVE SENSING UNTUK ESTIMASI ARAH KEDATANGAN SINYAL PROPOSAL DISERTASI diajukan untuk memenuhi syarat kelulusan Mata Kuliah EI7096:Penyusunan Proposal Institut Teknologi Bandung Oleh Koredianto
Lebih terperinciDescriptor Clustering SURF for Bag of Visual Words Representation in Fingerprint Images Using K-MEANS and Hierarchical Agglomerative Clustering
2015 International Conference on Information, Communication Technology and System Descriptor Clustering SURF for Bag of Visual Words Representation in Fingerprint Images Using K-MEANS and Hierarchical
Lebih terperinciMETODE FAIR-SHARE AMOUNT UNTUK KOMPRESI MENGGUNAKAN KUANTISASI VEKTOR PADA BASIS DATACITRA GRAY LEVEL SEMBARANG DENGAN DERAJAT KEABUAN
METODE FAIR-SHARE AMOUNT UNTUK KOMPRESI MENGGUNAKAN KUANTISASI VEKTOR PADA BASIS DATACITRA GRAY LEVEL SEMBARANG DENGAN DERAJAT KEABUAN Febriliyan Samopa Program Studi Sistem Informasi, Fakultas Teknologi
Lebih terperinciKOMPRESI CITRA MEDIS MENGGUNAKAN PACKET WAVELET TRANSFORM DAN RUN LENGTH ENCODING
10 JURNAL MATRIX, VOL.8, NO. 1, MARET 2018 KOMPRESI CITRA MEDIS MENGGUNAKAN PACKET WAVELET TRANSFORM DAN RUN LENGTH ENCODING I Made Ari Dwi Suta Atmaja 1 1 Jurusan Teknik Elektro, Politeknik Negeri Bali
Lebih terperinciADAPTIVE WATERMARKING CITRA DIGITAL DENGAN TEKNIK DISCRETE WAVELET TRANSFORM-DISCRETE COSINE TRANSFORM DAN NOISE VISIBILITY FUNCTION
ADAPTIVE WATERMARKING CITRA DIGITAL DENGAN TEKNIK DISCRETE WAVELET TRANSFORM-DISCRETE COSINE TRANSFORM DAN NOISE VISIBILITY FUNCTION Disusun oleh : Nama : Dian Eriani Surbakti Nrp : 0822104 Jurusan Teknik
Lebih terperinciANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX
ANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX Mohammad imron (1), Yuliana Melita (2), Megister Teknologi Informasi Institusi
Lebih terperinciTeknik Kompresi Citra Menggunakan Metode Huffman
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 26 A-5 Teknik Kompresi Citra Menggunakan Metode Huffman Tri Rahmah Silviani, Ayu Arfiana Program Pascasarjana Universitas Negeri Yogyakarta Email:
Lebih terperinciESTIMASI GERAKAN PADA VIDEO ANIMASI 2D MENGGUNAKAN ALGORITMA PENCOCOKAN BLOK (BLOCK MATCHING ALGORITHM)
ESTIMASI GERAKAN PADA VIDEO ANIMASI 2D MENGGUNAKAN ALGORITMA PENCOCOKAN BLOK (BLOCK MATCHING ALGORITHM) Mursyidah 1, Muhammad Nasir 2 1 Jurusan Teknik Elektro, Politeknik Negeri Lhokseumawe, ACEH, 24312
Lebih terperinciAnalisis Hasil Proses Pemampatan JPEG dengan Metode Discrete Cosine Transform
IJEIS, Vol.2, No.1, April 2012, pp. 1~10 ISSN: 2088-3714 1 Analisis Hasil Proses Pemampatan JPEG dengan Metode Discrete Cosine Transform Adi Prasetio Utomo* 1, Agfianto Eko Putra 2, Catur Atmaji 3 1 Prodi
Lebih terperinciDAFTAR ISI Halaman LEMBAR PENGESAHAN SURAT PERNYATAAN ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR GAMBAR DAFTAR TABEL
ABSTRAK Pengiriman data pada saluran komunikasi data berupa citra sangatlah bermanfaat, seperti pengiriman data lewat fax, telepon genggam dan satelit luar angkasa dan sebagainya. Sering kali pada prakteknya
Lebih terperinciKompresi Citra Irawan Afrianto Sistem Multimedia 2007/2008
Kompresi Citra Irawan Afrianto KOMPRESI CITRA Kompresi Citra adalah aplikasi kompresi data yang dilakukan terhadap citra digital dengan tujuan untuk mengurangi g redundansi dari data-data yang terdapat
Lebih terperinciKINERJA TEKNIK COMPRESSIVE SAMPLING DAN SINKRONISASI PADA AUDIO WATERMARKING STEREO BERBASIS STATIONARY WAVELET TRANSFORM DENGAN METODE HISTOGRAM
KINERJA TEKNIK COMPRESSIVE SAMPLING DAN SINKRONISASI PADA AUDIO WATERMARKING STEREO BERBASIS STATIONARY WAVELET TRANSFORM DENGAN METODE HISTOGRAM Gelar Budiman 1), Puspa Bahari 2), Sofia Saidah 3) 1),2),3
Lebih terperinciMenurut Ming-Hsuan, Kriegman dan Ahuja (2002), faktor-faktor yang mempengaruhi sebuah sistem pengenalan wajah dapat digolongkan sebagai berikut:
BAB 2 LANDASAN TEORI Bab ini akan menjelaskan berbagai landasan teori yang digunakan oleh penulis dalam penelitian ini dan menguraikan hasil studi literatur yang telah dilakukan penulis. Bab ini terbagi
Lebih terperinciPenerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian
PRESENTASI TUGAS AKHIR Penerapan Teknik Blind Source Separation untuk Memisahkan Noise dari Sinyal Akustik yang Non Gaussian Farkhan Rosi 228175 Dosen Pembimbing Dr. Ir Wirawan, DEA. Ir. Endang Widjiati,
Lebih terperinciKesepakatan. Kuliah Sopan : Toleransi terlambat masuk kelas : 15 Menit Duduk terpisah : laki - perempuan
Kesepakatan Kuliah Sopan : Tidak bersandal dan berkaos Busana muslimah yang pantas Toleransi terlambat masuk kelas : 15 Menit Duduk terpisah : laki - perempuan 3 1. PENDAHULUAN A. Signal Processing B.
Lebih terperinciTeknik Watermarking Citra Digital Dalam Domain DCT (Discrete Cosine Transform) Dengan Algoritma Double Embedding
Teknik Watermarking Citra Digital Dalam Domain DCT (Discrete Cosine Transform) Dengan Algoritma Double Embedding Gideon Aprilius (0522116) Email: dionjuntak@gmail.com Jurusan Teknik Elektro, Fakultas Teknik
Lebih terperinciPerformance Improvement on Signal Arrival Estimation by Compressive Sensing Angle Sparsity and Multisnap Samples
Performance Improvement on Signal Arrival Estimation by Compressive Sensing Angle Sparsity and Multisnap Samples Peningkatan Kinerja Skema Estimasi Arah Kedatangan Sinyal dengan Compressive Sensing Sparsitas
Lebih terperinciGambar 15 Contoh pembagian citra di dalam sistem segmentasi.
dalam contoh ini variance bernilai 2000 I p I t 2 = (200-150) 2 + (150-180) 2 + (250-120) I p I t 2 = 28400. D p (t) = exp(-28400/2*2000) D p (t) = 8.251 x 10-4. Untuk bobot t-link {p, t} dengan p merupakan
Lebih terperincidalam Reversible Watermarking
Vol. 5, No.1, 10-19, Juli 2008 * Reversible Low Contrast Mapping dan Penggunaannya dalam Reversible Watermarking Hendra Abstrak Tantangan utama dalam reversible watermarking bukan hanya bagaimana mendapatkan
Lebih terperinciTEKNIK CANONICAL GRAY CODE PADA ENKRIPSI
TEKNIK CANONICAL GRAY CODE PADA ENKRIPSI Andysah Putera Utama Siahaan, Mesran 2, Robbi Rahim 3, Muhammad Donni Lesmana Siahaan 4,4 Fakultas Ilmu Komputer, Universitas Pembangunan Panca Budi, Medan, Indonesia
Lebih terperinciPENGGUNAAN METODE MODIFIKASI HILL CIPHER PADA KRIPTOGRAFI
PENGGUNAAN METODE MODIFIKASI HILL CIPHER PADA KRIPTOGRAFI Disusun oleh : BudimanMarpaung (1022066) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri, MPH, No. 65, Bandung, Indonesia
Lebih terperinciLeast Square Estimation
Least Square Estimation Untuk menyelesaikan koefisien proyeksi di posisi output, pendekatan Least-Squares pada fungsi aplikabel di ditulis dengan persamaan berikut: dimana sinyal kepastian c menetapkan
Lebih terperinciIMPLEMENTASI DAN ANALISIS IMAGE DENOISING DENGAN METODE ANTSHRINK
ISSN : 2355-9365 e-proceeding of Engineering : Vol.1, No.1 Desember 2014 Page 706 Abstrak IMPLEMENTASI DAN ANALISIS IMAGE DENOISING DENGAN METODE ANTSHRINK Petrus Zernicov Tampubolon 1, Tjokorda Agung
Lebih terperinciANALISA DIGITAL FILTER UNTUK MENGURANGI IMPULSE NOISE PADA CITRA DIGITAL
ANALISA DIGITAL FILTER UNTUK MENGURANGI IMPULSE NOISE PADA CITRA DIGITAL I Komang Somawirata [1], M. Ibrahim Ashari [2], Teguh Herbasuki [3] Jurusan Teknik Elektro, Fakultas Teknologi Industri, ITN Malang
Lebih terperinciRESTORASI TOPOLOGI HASIL THINNING CITRA MAZE
RESTORASI TOPOLOGI HASIL THINNING CITRA MAZE Risma Septiana 1), Indah Soesanti 2), Ahmad Fashiha Hastawan 3) 1), 2),3) Jurusan Teknik Elektro dan Teknologi Informasi Universitas Gadjah Mada Yogyakarta
Lebih terperinciBLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN DISCRETE WAVELET TRANSFORM (DWT) DAN SINGULAR VALUE DECOMPOSITION (SVD)
BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN DISCRETE WAVELET TRANSFORM (DWT) DAN SINGULAR VALUE DECOMPOSITION (SVD) Disusun Oleh : Johansen Valentino (0822062) Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciKOMPRESI DAN PENGENALAN CITRA WAJAH DENGAN PENDEKATAN NON-NEGATIVE MATRIX FACTORIZATION
KOMPRESI DAN PENGENALAN CITRA WAJAH DENGAN PENDEKATAN NON-NEGATIVE MATRIX FACTORIZATION Christianto Mewlando Binus University, Jakarta, DKI Jakarta, Indonesia Fictor Benny Kurniawan Usodo Binus University,
Lebih terperinciPENYISIPAN WATERMARK PADA CITRA GRAYSCALE BERBASIS SVD
PENYISIPAN ATERMARK PADA CITRA GRAYSCALE BERBASIS SVD Prahadi Digdoyo Rosny Gonydjaja Rina Refianti Mutiara Email : prahadi.digdoyo@gmail.com Email : rosni-gj@staff.gundarma.ac.id Email : rina@staff.gunadarma.ac.id
Lebih terperinciTUGAS AKHIR Implementasi Block Matching Algorithm (BMA) Pada Ekstraksi Objek Bergerak
TUGAS AKHIR Implementasi Block Matching Algorithm (BMA) Pada Ekstraksi Objek Bergerak Block Matching Algorithm (BMA) Implementation of Motion Object Extraction Oleh : Amalia Sulfa Hashlinda NRP. 1208100046
Lebih terperinciDETEKSI LOCAL TAMPERING PADA VIDEO MENGGUNAKAN ALGORITMA LBP-TOP
Jurnal Teknik Komputer Unikom Komputika Volume 3, No.2-2014 DETEKSI LOCAL TAMPERING PADA VIDEO MENGGUNAKAN ALGORITMA LBP-TOP Febryanti Sthevanie Program Studi S1 Teknik Informatika, Fakultas Informatika
Lebih terperinciPENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA
PENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA Dina Indarti Pusat Studi Komputasi Matematika, Universitas Gunadarma Jl. Margonda Raya no. 100, Depok 16424, Jawa Barat
Lebih terperinci- Program Doktor Teknik Elektro Universitas Indonesia, Mei Visiting Scientist, 2014 : University of Western Australia, Perth - Australia
Dr. Setiyo Budiyanto Staf Ahli Rektor bidang Riset dan Teknologi JFA NIP NIDN : Lektor 112820342 0312118206 Tempat Tanggal Lahir : Surakarta 12 November 1982 No Telpon : +62 818 0256 9956 Email : sbudiyanto@mercubuana.ac.id
Lebih terperinci2. Landasan Teori. A. Apdative Threshold. B. Deteksi Tepi Menggunakan Asas Ketetanggaan. 3. Pembahasan. A. Gambaran Umum Sistem
pengambilan nilai-nilai penting yang terdapat pada frame, sedangkan pada tahap analisis temporal dilakukan pencarian perubahan-perubahan nilai yang terjadi pada data spatial. Dalam beberapa paper, dikemukakan
Lebih terperinciFACE RECOGNITION MENGGUNAKAN METODE TWO- DIMENSIONAL PRINCIPAL COMPONENTS ANALYSIS (2DPCA) ABSTRAK
FACE RECOGNITION MENGGUNAKAN METODE TWO- DIMENSIONAL PRINCIPAL COMPONENTS ANALYSIS (2DPCA) Kurnia Novita Mutu (0722029) Jurusan Teknik Elektro email: mutunia@gmail.com ABSTRAK Perkembangan biometrik pada
Lebih terperinciPENGOLAHAN SINYAL DIGITAL (PSD) Modul 1. Overview Digital Signal Processing
PENGOLAHAN SINYAL DIGITAL (PSD) Modul 1. Overview Digital Signal Processing Content What is Digital Signal Processing? Sejarah Perkembangan PSD Posisi Matakuliah PSD diantara mata kuliah lainnya Kelemahan
Lebih terperinciPenyembunyian Pesan Rahasia Dalam Gambar dengan Metoda JPEG - JSTEG Hendry Hermawan / ABSTRAK
Penyembunyian Pesan Rahasia Dalam Gambar dengan Metoda JPEG - JSTEG Hendry Hermawan / 0622097 Email : e3n_17@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Jalan Prof. drg. Suria Sumantri, MPH 65,
Lebih terperinciSTEGANALISIS CITRA DIGITAL BERBASIS DISCRETE COSINE TRANSFORM DENGAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR
STEGANALISIS CITRA DIGITAL BERBASIS DISCRETE COSINE TRANSFORM DENGAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR Sheira Banu Nasution 1), Bambang Hidayat 2), I Nyoman Apraz Ramatryana 3) 1),2),3 ) Teknik Telekomunikasi,
Lebih terperinciPENGGUNAAN NILAI SKALA KEABUAN DARI CITRA WATERMARK SEBAGAI CETAK BIRU DARI VISIBLE WATERMARKING
PENGGUNAAN NILAI SKALA KEABUAN DARI CITRA WATERMARK SEBAGAI CETAK BIRU DARI VISIBLE WATERMARKING Teady Matius Surya Mulyana Program Studi Teknik Informatika Universitas Bunda Mulia Jakarta Jalan Lodan
Lebih terperinciCompressed Sensing untuk Sinyal Audio dengan Sensor Jamak
Compressed Sensing untuk Sinyal Audio dengan Sensor Jamak Muhammad Ibnu Bahrurrahim : 2207100562 Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro FTI, Institut Teknologi Sepuluh Nopember Kampus
Lebih terperinciOptimasi Matriks Pengukuran dalam Compressed Sensing dengan Menggunakan Metode Gradient-Based Minimization pada Data Synthetic Aperture Radar
Seminar Nasional Penginderaan Jauh -2016 Optimasi Matriks Pengukuran dalam Compressed Sensing dengan Menggunakan Metode Gradient-Based Minimization pada Data Synthetic Aperture Radar Optimization of The
Lebih terperinciPeningkatan Kinerja Algoritma Kompresi dan Dekompresi JPEG Melalui Penggabungan Proses DCT dan Kuantisasi
Peningkatan Kinerja Algoritma Kompresi dan Dekompresi JPEG Melalui Penggabungan Proses DCT dan Kuantisasi Edi Sukirman, Ernastuti, Sarifuddin Madenda Fakultas Ilmu Komputer dan Teknologi Informasi Universitas
Lebih terperinciPENGARUH PENCAHAYAAN TERHADAP KINERJA SEGMENTASI
PENGARUH PENCAHAYAAN TERHADAP KINERJA SEGMENTASI Iman H. Kartowisatro Computer Engineering Department, Faculty of Engineering, BINUS University Jln. K.H. Syahdan No. 9, Palmerah, Jakarta Barat 11480 imanhk@binus.edu
Lebih terperinciALGORITMA DETEKSI ADAPTIF BLIND WATERMARKING PADA CITRA DIGITAL DALAM DOMAIN TRANSFORMASI
ALGORITMA DETEKSI ADAPTIF BLIND WATERMARKING PADA CITRA DIGITAL DALAM DOMAIN TRANSFORMASI Disusun oleh : Gintaris Johanes Tarigan 0922022 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. drg. Suria Sumantri,
Lebih terperinciABSTRAK. Kata kunci : Watermarking, SVD, DCT, LPSNR. Universitas Kristen Maranatha
Penerapan Watermarking pada Citra Menggunakan Teknik Singular Value Decomposition Discrete Cosine Transform Berdasarkan Local Peak Signal to Noise Ratio Frederick Michael ( 0522072 ) Jurusan Teknik Elektro,
Lebih terperinciEKSTRAKSI CIRI GEOMETRIS UNTUK APLIKASI IDENTIFIKASI WAJAH. Oleh: Kholistianingsih
EKSTRAKSI CIRI GEOMETRIS UNTUK APLIKASI IDENTIFIKASI WAJAH Oleh: Kholistianingsih Abstract Face recognition is a non-contact biometric identification that tries to verify individuals automatically based
Lebih terperinciSEGMENTASI CITRA MENGGUNAKAN PENGHAPUSAN TEKSTUR DAN K-MEANS DENGAN BATASAN RUANG
SEGMENTASI CITRA MENGGUNAKAN PENGHAPUSAN TEKSTUR DAN K-MEANS DENGAN BATASAN RUANG Gama Wisnu Fajarianto 1, Handayani Tjandrasa 2 Jurusan Teknik Informatika, Fakultas Teknologi Informasi Institut Teknologi
Lebih terperinciABSTRAK. Kata kunci : Steganografi, bit-plane complexity segmentation, data tersembunyi, peak signal-to-noise ratio. v Universitas Kristen Maranatha
ABSTRAK Steganografi adalah teknik untuk menyembunyikan informasi rahasia ke dalam data tanpa meninggalkan bukti adanya perubahan data. Dengan steganografi kita dapat menyembunyikan pesan rahasia ke dalam
Lebih terperinciPERBANDINGAN CITRA DENGAN ALGORITMA DITHERING ZHIGANG FAN, SHIAU FAN DAN STUCKI SEBAGAI MASUKAN KRIPTOGRAFI VISUAL
PERBANDINGAN CITRA DENGAN ALGORITMA DITHERING ZHIGANG FAN, SHIAU FAN DAN STUCKI SEBAGAI MASUKAN KRIPTOGRAFI VISUAL Disusun Oleh : Terry Suryacandra (1022017) Jurusan Teknik Elektro, Fakultas Teknik,. Jl.
Lebih terperinciDesain dan Implementasi Algoritma Thinning Paralel untuk Pengolahan Citra (Studi Kasus: Thinning Paralel pada Citra Sidik Jari)
Jurnal Teknologi Informasi-Aiti, Vol. 4. No. 2, Agustus 2007: 101-200 Desain dan Implementasi Algoritma Thinning Paralel untuk Pengolahan Citra (Studi Kasus: Thinning Paralel pada Citra Sidik Jari) Edna
Lebih terperinciSTRUKTUR SK 4 : HALAMAN JUDUL (OK) DAFTAR ISI (OK) RANGKUMAN (ABSTRAK) (OKE) BAB I : DESKRIPSI PENELITIAN DISERTASI MINIMAL ISINYA : MASALAH, TUJUAN,
STRUKTUR SK 4 : HALAMAN JUDUL (OK) DAFTAR ISI (OK) RANGKUMAN (ABSTRAK) (OKE) BAB I : DESKRIPSI PENELITIAN DISERTASI MINIMAL ISINYA : MASALAH, TUJUAN, HIPOTESA, METODOLOGI RENCANA TAHAP PENELITIAN PADA
Lebih terperinciTelaah Pustaka. 1. Pengertian Telaah Pustaka
1. Pengertian Telaah Pustaka Telaah Pustaka Telaah Pustaka = Literature Review Dalam prakteknya seringkali disamakan istilah Telaah Pustaka = Studi Pustaka = Tinjauan Pustaka = Landasan Teori Perbedaan
Lebih terperincitechniques. Moreover, it can against the differential attack, statistical attack and brute force attack.
ABSTRAK Ketika penggunaan komunikasi gambar telah meningkat secara dramatis dalam beberapa tahun terakhir, itu diperlukan untuk melindungi transmisi dari penyadap. Mengembangkan komputasi efisien enkripsi
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring berkembangnya teknologi informasi dalam memenuhi kebutuhan, muncul berbagai tindakan yang bersifat merugikan dan sulit untuk dihindari. Salah satu tindakan
Lebih terperinci