ALGORITMA PEMUTUSAN SIKLUS ITERATIF PADA ESTIMASI ROTASI CITRA DENGAN MENGGUNAKAN PSEUDO-POLAR FOURIER TRANSFORM
|
|
- Ivan Chandra
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Vol. 5, No. 3, Januari 00 ISSN ALGORITMA PEMUTUSAN SIKLUS ITERATIF PADA ESTIMASI ROTASI CITRA DENGAN MENGGUNAKAN PSEUDO-POLAR FOURIER TRANSFORM * Arya Yudhi Wijaya, ** Agus Zainal Arifin, *** Diana Purwitasari Program Pasca Sarjana, Jurusan Teknik Informatika, ITS Jl. Raya ITS, Kamus ITS, Sukolilo, Surabaya, 60 * arya@if.its.ac.id, ** agusza@cs.its.ac.id, *** diana@cs.its.ac.id Abstrak Registrasi citra adalah roses sistematik untuk menematkan citra yang terisah dalam sebuah kerangka acuan yang sama, sehingga informasi yang dikandung oleh citra tersebut daat diintregasikan atau dibandingkan secara otimal. Estimasi sudut rotasi dan translasi untuk registrasi citra dilakukan menggunakan Pseudo-olar Fourier Transform (PPFT). Akurasi akan dicaai secara otimal aabila dilakukan iterasi ada estimasi dengan batasan tingkat kesalahan sesuai nilai threshold yang ditentukan sebelumnya. Proses iterasi membuat komleksitas registrasi menjadi kurang efisien. Penelitian ini bertujuan mengotimasi registrasi citra dengan mengusulkan estimasi rotasi citra non-iteratif dengan PPFT. Otimasi dilakukan dengan menghaus sejumlah iterasi ada estimasi rotasi citra iteratif dengan PPFT menjadi satu kali roses estimasi, yaitu dengan menjadikan nilai-nilai sekitar estimasi sudut rotasi sebagai kandidat yang baru. Selanjutnya, I dirotasi dengan kandidat sudut estimasi. Sudut estimasi yang aling akurat adalah sudut estimasi yang menghasilkan enghitungan nilai hase correlation tertinggi antara I dan citra-citra hasil rotasi I oleh kandidat sudut estimasi. Uji coba menunjukkan bahwa nilai iterasi yang daat dihaus ada registrasi citra iteratif menggunakan PPFT adalah sebesar 3-. Metode yang diusulkan juga memiliki kekuatan estimasi ada citra ber-noise jenis gaussian noise yang memiliki mean µ = 0 hingga varian σ sebesar 0,3. Kata kunci: registrasi citra, Pseudo-olar Fourier Transform, hase-correlation. Abstract Image registration is a systematic rocess to ut the searated image in a frame, so the information of the image can be integrated or comared otimally. The estimation of rotation and translation to register image is done by using Pseduo-olar Fourier Transform (PPFT). The accuracy will be reached otimally if iteration on estimation by the limitation in the level of mistake according to treshold which is determined. The iteration rocess creates the comlexity of registration less efficient. This research uroses to otimize the image registration by giving suggestion estimation of non interactive of image rotation by using PPFT. The otimum which is done by deleting a number of estimation of iterative image rotation with the PPFT becomes once of estimation rocess. The deletion of iteration value which is done by uniting the surround of estimation of rotation side as a new candidate. Furthermore, I is rotated with estimation of estimation side. The most accurate side is the side resulting in the calculation of the highest hase correlation value between I and rotation image I, candidate estimation side. The try out shows that the iteration value which is deleted on registration of iterative image using PPTF is 3. The method ruosed has estimation on image of noise of gaussian noise having mean u=0 till variant 0 for 0,3. Key words: image registration, Pseudo-olar Fourier Transform, hase-correlation. 37
2 38 Jurnal Ilmiah KURSOR Vol. 5, No. 3, Januari 00, hlm PENDAHULUAN Registrasi citra adalah roses menemukan kembali titik-titik yang bersesuaian antara citra I dengan citra I. Citra I adalah citra I yang mengalami transformasi geometri antara lain translasi (translation), rotasi, erbesaran (scaling), embalikan (fliing), dan enarikan (stretching). Registrasi citra memainkan eran utama dalam banyak alikasi misalnya komresi video [], erbaikan kualitas video [], scene reresentation [3], dan analisa citra medis [4]. Beberaa metode telah diusulkan untuk registrasi citra. Registrasi citra ada domain sasial dilakukan dengan cara mencari nilai rata-rata, median, atau ukuran statistika lainnya ada setia nilai derajat keabuan (grayscale) atau RGB citra [5]. Registrasi citra ada domain frekuensi sasial bekerja dengan baik ketika dialikasikan terhada citra yang memiliki tingkat ketidakteraturan kecil. Registrasi citra ada domain frekuensi dilakukan dengan menggunakan Transformasi Fourier. Metode berbasis Transformasi Fourier mamu memerkirakan skala erbesaran, rotasi, dan translasi lebih akurat dibandingkan dengan metode ada domain sasial. Sebagian besar endekatan yang dilakukan berdasarkan Transformasi Fourier memanfaatkan nilai translasi ada domain yang daat diestimasi dengan akurat oleh hase correlation [6]. Phase correlation adalah metode dalam registrasi citra untuk mengestimasi translasi dua citra yang miri dengan memanfaatkan nilai uncak fase ada domain frekuensi. Metode mutahir yang diusulkan dalam registrasi citra ada domain frekuensi adalah estimasi skala rotasi dan translasi menggunakan Pseudo-olar Fourier Transform (PPFT) [7,8]. Perbedaan mendasar ada enelitian yang dilakukan Reddy dkk [7] dan Guo dkk [8] adalah enggunaan metode enghitungan translasi PPFT ada koordinat olar. Penghitungan translasi PPFT daat dilakukan dengan menggunakan Analytical Fourier-Mellin Transform [7] mauun hase correlation [8]. Langkah ertama yang dilakukan untuk estimasi rotasi dengan PPFT adalah dengan melakukan maing citra dari domain sasial ke domain frekuensi di atas seudoolar-grid. Rotasi diestimasi dengan mengubah basis koordinat kartesian (x,y) ke basis koodinat olar (r,θ). Sudut rotasi adalah translasi I terhada I ada sumbu θ. Estimasi rotasi dan translasi dengan PPFT memiliki akurasi yang tinggi. Akan tetai, akurasi akan dicaai secara otimum aabila dilakukan iterasi dengan batasan tingkat kesalahan sesuai nilai threshold yang ditentukan sebelumnya. Proses iterasi ini menjadikan registrasi menjadi boros dalam hal komutasi. Penelitian ini mengusulkan suatu metode untuk meningkatkan efisiensi komutasi dengan cara mengubah cara iteratif menjadi non-iteratif tana mengurangi akurasi dari hasil estimasi rotasi dan translasi. Cara non-iteratif dilakukan dengan dua taha utama yaitu taha reresentasi PPFT dan taha estimasi dengan memanfaatkan hase correlation. Taha reresentasi melakukan erbaikan reresentasi PPFT, sehingga hase correlation akan daat mengestimasi translasi dengan lebih akurat. Sedangkan taha estimasi dilakukan tana iterasi karena menggunakan kandidat lain sebagai sudut rotasi yang meruakan tetangga dari sudut yang ditemukan. KONSEP REGISTRASI CITRA PADA DOMAIN SPASIAL DAN FREKUENSI Estimasi Pergeseran I adalah citra I yang mengalami translasi ada sumbu x dan sumbu y sebesar (Δx,Δy) sehingga didaatkan Persamaan (). I (x, y)= I (x + Δx, y + Δy) () maka besar translasi I terhada I sebesar (Δx,Δy) daat ditemukan secara akurat dengan hase correlation [9]. Metode estimasi translasi dengan hase correlation daat dilakukan dengan Transformasi Fourier D ada I dan I sehingga secara berturut-turut menghasilkan Î dan Î. Î dan Î berturut- turut adalah citra I dan I dalam domain Fourier Transform yang dinotasikan dengan Persamaan (). ˆ = I = I () I ; Selanjutnya dilakukan enghitungan hase correlation dengan Persamaan (3). = (3)
3 Wijaya dkk, Algoritma Pemutusan Siklus Iteratif 39 dimana adalah hase correlation dari Î dan Î. Sedangkan I * adalah comlex conjugate dari I. Selanjutnya dicari hase correlation R ada domain sasial dimana R adalah seerti yang ditunjukkan oleh Persamaan (4). R = (4) Translasi citra I terhada I daat ditemukan dengan mencari letak uncak dari R yaitu degan menggunakan Persamaan (5). xam rg (x, y) R (ΔΔxΔy) = a (5) Δx adalah besar translasi I terhada I ada arah sumbu x, sedangkan Δy adalah besar translasi I terhada I ada arah sumbu y. Estimasi Rotasi Aabila I adalah citra I yang mengalami rotasi sebesar Δθ, maka cara untuk menemukan sudut rotasi relatif I terhada I sebesar Δθ adalah dengan mengubah sistem koordinat kartesian ada citra I dan I menjadi sistem koordinat olar sehingga didaatkan Persamaan (6). I (r,θ)= I (r,θ + Δθ) (6) I ( r, ) adalah citra I ada koordinat olar dan I ( r, ) adalah citra I ada koordinat olar dimana I memiliki sudut rotasi relatif sebesar Δθ terhada I. r adalah jarak suatu titik dengan usat koordinat dan θ adalah rotasi relatif terhada sumbu x ositif dengan usat rotasi angkal koordinat. Gambar (a) dan (b) adalah I dan I ada koordinat kartesian. Dilakukan transformasi I dan I menuju sistem koordinat olar sehingga secara berurutan I dan I berubah menjadi seerti ada Gambar (c) dan (d). Sumbu horisontal ada Gambar (c) dan (d) meruakan sumbu r. Sedangkan sumbu vertikal ada Gambar (c) dan (d) meruakan sumbu θ. Daat diamati bahwa I (r,θ + Δθ) yang ditunjukkan oleh Gambar (d) meruakan versi translasi seanjang sumbu θ dari I (r, θ) yang ditunjukkan Gambar (c). Besar translasi seanjang sumbu θ I (r,θ + Δθ) terhada I (r,θ) daat ditemukan secara akurat dengan hase correlation. Sehingga, sudut rotasi relatif I terhada I sebesar Δθ daat dicari dengan mereduksi eristiwa rotasi menjadi eristiwa translasi ada koordinat olar. (a) (b) (c) (d) Gambar. Estimasi rotasi. (a) Citra I, (b) Citra I yang meruakan versi rotasi sebesar Δθ terhada I, (c) I ada sistem koordinat olar, dan (d) I ada sistem koordinat olar. (a) (b) (c) Gambar. Pseudoolar-grid (contoh: masukan citra 8x8). (a) P, (b) P, dan (c) P = P UP. Kendala Estimasi Rotasi ada Domain Konse estimasi translasi dan rotasi dengan Sasial hase correlation yang diaarkan ada bagian sebelumnya akan menghasilkan estimasi yang
4 40 Jurnal Ilmiah KURSOR Vol. 5, No. 3, Januari 00, hlm akurat aabila I dan I memiliki usat rotasi yang sama, dimana usat tersebut telah didefinisikan terlebih dahulu (secara default usat erbesaran berada di titik tengah citra). Akan tetai, hasil estimasi rotasi I terhada I tidak akurat aabila diterakan ada citra yang memiliki usat rotasi yang tidak sama. Kendala ini terjadi akibat adanya translasi citra I terhada I, sehingga usat rotasi dan erbesaran yang seharusnya sama menjadi bergeser. Peristiwa ini seharusnya tidak akan menjadi kendala aabila engerjaannya dilakukan ada domain frekuensi. Domain frekuensi menjadi solusi karena adanya sifat shift invariant ada domain frekuensi, yang berarti bahwa domain frekuensi tidak diengaruhi oleh translasi. Berdasarkan konse ini, maka diusulkan metode yang mengadosi rinsi yang dilakukan ada sub bagian sebelumnya, akan tetai dilakukan ada domain frekuensi [8]. Domain frekuensi yang diusulkan adalah Pseudo-olar Fourier Transform (PPFT) seerti yang dierlihatkan dalam Persamaan (7). P P P (7) dimana dan (8) l N N P k,k l, N k N N l N N P k, k l, N k N N (9) P adalah seudoolar-grid yang tersusun dari gabungan P dan P. P adalah komonen P ada arah vertikal dan P adalah komonen P ada arah horisontal. k disebut sebagai seudoradius dan l disebut sebagai seudoangle. Resolusi dari seudoolar-grid untuk citra ukuran N x N adalah N + ada bagian angular dan N + ada bagian radial. Ilustrasi himunan P dan P daat dilihat ada Gambar (a) dan (b). Pseudoolar-grid P diilustrasikan ada Gambar (c). Dengan reresentasi ada koordinat olar (r,θ), seudoolar-grid didefinisikan dengan Persamaan (0). P (k,l) = (rk,θl ) dan P (k,l)= (rk,θl ) (0) Dimana r k l =k 4 +, l r k =k 4 + N N () θ l l = π / arctan dan l θ N l = arctan () N Nilai k = N,, N dan l = N/,, N/. Nilai PPFT didefinisikan sebagai samel dari Transformasi Fourier di atas seudoolargrid P yang diberikan ada Persamaan (8) dan (9). Secara detil, PPFT I ˆ j (j =, ) adalah sebuah transformasi linear, dimana terdefinisi untuk k = N,,N dan l = N/,,N/, sebagai Persamaan (3) dan (4). l k,k N = N / u, v= N / ˆ l I k, k N = N / u,v= N / π i I(u, v) ex ku+kv M N π i I(u, v) ex ku kv. M N (3) (4) Î adalah I ada domain frekuensi. adalah nilai PPFT yang akan diberikan di atas P dan I adalah nilai PPFT yang akan diberikan di ˆ atas P. Sebagaimana daat dilihat ada Gambar (c), untuk setia sudut yang telah ditentukan sebesar l, samel dari seudoolar-grid memiliki sace yang sama ada bagian radial. Akan tetai, sace ini berbeda untuk sudut yang berbeda. Demikian ula, grid memiliki sace yang tidak sama dalam bagian angular, tetai memiliki sace kemiringan yang sama (lihat Persamaan (5) dan (6)). Δtanθ (l) cotθ l+ cotθ l = (5) N Δtanθ (l) cotθ cotθ = (6) θ l+ θ dimana dan diberikan ada Persamaan (). Proerti enting PPFT adalah bahwa transformasi ini memiliki kemamuan invert. Selain itu, PPFT forward dan invert daat dialikasikan dengan sebuah komutasi yang ceat dengan bantuan FrFT. Dan yang lebih enting lagi, algoritma ini tidak membutuhkan regriding atau interolasi sehingga memiliki keakuratan yang tinggi. Fractional Fourier Fourier (FrFT) l N
5 Wijaya dkk, Algoritma Pemutusan Siklus Iteratif 4 Komleksitas enghitungan PPFT daat ditekan dengan bantuan FrFT. FrFT adalah algoritma ceat dengan komutasi O(N logn) yang daat memetakan Transformasi Fourier Diskrit (DFT) di atas beberaa himunan dari N titik ada sebuah keliling lingkaran [8]. Sehingga FrFT menjadikan komleksitas komutasi keseluruhan PPFT ada Persamaan (3) dan (4) yang semula adalah O(N 3 ) kemudian daat direduksi menjadi O(N logn). Lebih sesifik, diberikan sebuah vektor C dengan anjang N+, C C(u), u ( N /,..., N / ), α R. FrFT didefinisikan sebagai Persamaan (7). N / α + C)(k)= C(u) ex[ ππiku /(N + u= N / (FN )] k N,..., N/ (7) Algoritma Estimasi Rotasi Iteratif dengan PPFT Algoritma estimasi rotasi iteratif dengan menggunakan PPFT [8] daat dilihat ada Gambar 3. Penjelasan algoritma ada Gambar 3 adalah sebagai berikut:. Magnitude PPFT dihitung setelah dilakukan zero-adding ada citra masukan sehingga memiliki ukuran yang sama.. θ ditemukan dengan melakukan D hase correlation seanjang sumbu θ ada domain seudo-olar. 3. Salah satu dari citra masukan diutar dengan sudut akumulasi θ n. 4. Dilakukan iterasi langkah -3 hingga Δθ lebih kecil dari threshold yang ditentukan yaitu sebesar ε θ. 5. Ambiguitas θ diselesaikan dengan menggunakan D hase correlation, yaitu dengan memutar salah satu citra sebesar θ dan θ+π. Ambiguitas ini disebabkan oleh ambiguitas nilai arctan yang daat bernilai θ atau θ + π. 6. Pergeseran ditemukan dengan menggunakan D hase correlation. Gambar 3. Algoritma Estimasi Rotasi Iteratif dengan PPFT.
6 4 Jurnal Ilmiah KURSOR Vol. 5, No. 3, Januari 00, hlm Gambar 4. Estimasi Rotasi Non-iteratif dengan PPFT. (a) (b) (c) (d) Gambar 5. (a) Citra I, (b) Citra I, (c) I ˆ (r, θ), dan (d) I ˆ (r, θ). G G Gambar 6. Sudut Tetangga α T yang Menjadi Kandidat Baru Sudut Rotasi.
7 Wijaya dkk, Algoritma Pemutusan Siklus Iteratif 43 (a) (b) (c) (d) Gambar 7. Salah Satu Contoh Uji Coba. (a) Citra I, (b) Citra I Memiliki Rotasi Relatif 66 terhada I, (c) PPFT I dan I dalam Reresentasi Grayscale, dan (d) Citra I Ditambah Hasil Estimasi Rotasi. (a) (b) (c) (d) Gambar 8. Salah Satu Contoh Hasil Uji Coba. (a) Citra I, (b) Citra I Memiliki Rotasi Relatif 33,7 terhada I, gaussian noise µ = 0 dan Varian σ = 0,09, (c) PPFT I dan I dalam Reresentasi Grayscale, dan (d) Citra I Ditambah Hasil Estimasi Rotasi Citra I. ALGORITMA PEMUTUSAN SIKLUS ITERATIF ESTIMASI ROTASI DENGAN PPFT Algoritma yang diusulkan yaitu estimasi rotasi non-iteratif dengan PPFT akan memerbaiki algoritma estimasi rotasi iteratif dengan PPFT yang terdaat ada Gambar 3. Perbaikan dilakukan dengan membuang iterasi untuk menemukan sudut rotasi otimum. Secara keseluruhan algoritma yang diusulkan daat dilihat ada Gambar 4. Algoritma memiliki dua taha utama, yaitu taha reresentasi dan taha estimasi. Taha reresentasi bertujuan melakukan emrosesan PPFT sehingga sia untuk dilakukan encarian nilai translasinya ada koordinat olar. Sedangkan taha estimasi bertujuan mengestimasi translasi mauun mengukur tingkat kesamaan dua buah citra dengan memanfaatkan kemamuan hase correlation. Taha Reresentasi Masukan dari taha reresentasi adalah dua buah citra grayscale I dan I. Dilakukan enghitungan magnitude PPFT ada masingmasing citra I dan I sehingga menghasilkan M I untuk I ˆ dan menghasilkan MI untuk ˆ I. Reresentasi PPFT dalam seudoolar-grid ditransformasikan ada koordinat olar sehingga M I dan ˆ MI masing-masing ˆ diubah menjadi I ˆ (r, θ) dan I ˆ (r, θ) ada M M koordinat olar. Dikarenakan jangkauan nilai yang sangat besar ada MI ˆ (r, θ) dan MI ˆ (r, θ), maka dilakukan oerasi logaritma ada I ˆ (r, θ) dan M I ˆ (r,θ) sehingga menghasilkan I ˆ (r, θ) dan M L I ˆ (r,θ) sebagaimana Persamaan (8). L (r,θ) = +ln(m (r,θ)) (8) L LI ˆ (r,θ) dan LI ˆ (r, θ) masih terlalu kasar untuk dilakukan emrosesan berikutnya karena nilai kontras yang kecil. Oleh karena itu, I ˆ (r,θ) dan I ˆ (r, θ) erlu diinterolasikan L L nilainya dalam interval grayscale sesuai Persamaan (9). 0; jika: L (r,θ)< 4 L (r,θ) 4 x ; jika: L > 4, jika: 4 L (r,θ) 4 G (r,θ)= (9)
8 44 Jurnal Ilmiah KURSOR Vol. 5, No. 3, Januari 00, hlm G I ( r, ) adalah reresentasi PPFT dalam grayscale yang telah dinormalisasi. G I ( r, ) dan G I ( r, ) adalah PPFT milik citra masukan I dan I yang sia diestimasi translasinya dengan hase correlation. Ilustrasi mengenai reresentasi GI ( r, ) daat dilihat di Gambar 5. Gambar 5(a) dan (b) masing masing adalah citra masukan I dan I. Gambar 5(c) dan (d) adalah reresentasi PPFT ada grayscale yang telah dinormalisasi dengan Persamaan 9. Terlihat dengan jelas bahwa Gambar 5(d) adalah versi translasi dari Gambar 5(c) ada sumbu θ (vertikal). Taha Estimasi Taha estimasi diawali dengan melakukan estimasi translasi relatif Gˆ I terhada Gˆ I seanjang sumbu θ dengan hase correlation sebagaimana Persamaan (3). Sudut rotasi relatif I terhada I sebesar α ditemukan dengan mencari besar translasi seanjang sumbu θ. Gˆ I memiliki eriode 80º, yang berarti bahwa selain sudut rotasi α masih terdaat kandidat sudut rotasi yang lain yaitu sebesar α + 80º. Sehingga terdaat dua kadidat sudut rotasi sebesar α dan α yang nilainya ditunjukkan ada Persamaan (0) dan (). α = α (0) α = α + 80 () Sudut rotasi sebenarnya sebesar α T daat dihitung dengan memanfaatkan hase correlation D. I masing-masing diutar sebesar α dan α. Sudut rotasi sebenarnya sebesar α T adalah sudut yang menghasilkan uncak hase correlation terbesar. Penghalusan sudut rotasi dengan embandingan sudut tetangga bertujuan untuk meningkatkan akurasi estimasi rotasi sebesar α T. Ide langkah ini adalah adanya ketidakercayaan bahwa sudut rotasi yang sebenarnya adalah α T. Mungkin saja sudut rotasi yang sebenarnya adalah sudut di sekitar α T. Langkah ini akan menghemat biaya komutasi dibandingkan dengan iterasi yang dilakukan oleh registrasi citra iteratif dengan PPFT. Penghematan terjadi karena iterasi yang dilakukan akan digantikan dengan embandingan sudut tetangga sehingga tidak dierlukan lagi iterasi. Gambaran mengenai embandingan sudut tetangga disajikan ada Gambar 6. Jika banyaknya tetangga di atas sudut α T adalah dan banyaknya tetangga di bawah sudut α T juga berjumlah, maka terdaat himunan kandidat sudut rotasi yang baru yaitu α K. Sudut rotasi akhir hasil enghalusan adalah α R yang meruakan elemen α K yang memiliki uncak hase correlation tertinggi. HASIL DAN PEMBAHASAN Hasil Uji Coba untuk Menentukan Banyak Iterasi yang Dihilangkan dan Akurasi Estimasi Uji coba ertama bertujuan untuk menentukan banyak iterasi metode estimasi rotasi iteratif dengan PPFT yang daat dihaus oleh metode yang diusulkan. Selain itu, uji coba juga bertujuan untuk menentukan akurasi estimasi rotasi algoritma iteratif mauun non-iteratif. Uji coba dilakukan dengan melakukan registrasi terhada emat asang citra berbeda dimana masing-masing asang memiliki sudut rotasi relatif sesamanya. Sudut rotasi sebenarnya ada masing-masing asang citra telah diketahui sebelumnya yaitu: 66 ; 33,7 ; 0,8 ; dan 77. Sudut 66 diharakan mewakili rotasi ada kondisi umum dengan sudut rotasi berua bilangan bulat di kuadran I. Selanjutnya sudut 33,7 diharakan mewakili rotasi ada kondisi umum dengan sudut rotasi berua bilangan desimal di kuadran I. Kemudian sudut rotasi 0,8 diharakan daat mewakili ada kondisi sudut rotasi yang kecil yaitu ± dimana ada umumnya sudutnya meruakan bilangan desimal. Terakhir, sudut 77 diharakan mewakili rotasi ada kondisi umum dengan sudut rotasi > 90. Tabel. Jumlah Iterasi dan Akurasi Estimasi Rotasi Iteratif dengan PPFT. Sudut (deg) Jumlah Iterasi Estimasi Rotasi (deg) Error (deg) 066,0 066,09 0,09 033, ,49 0, 000, ,68 0, 77, ,6 0,6 Tabel. Akurasi Estimasi Rotasi Non-Iteratif dengan PPFT.
9 Wijaya dkk, Algoritma Pemutusan Siklus Iteratif 45 Sudut (deg) Jumlah Iterasi Estimasi Rotasi (deg) Error (deg) 066,0 066,09 0,09 033,7 033,75 0,05 000,8 000,70 0,0 77,0 77,9 0,9 Tabel 3. Akurasi Estimasi Rotasi ada Citra ber-noise (Gaussian noise, mean µ = 0). Rotasi (derajat) Varian (σ) Estimasi Rotasi Error *) *)nilai error estimasi rotasi terlalu besar sehingga tidak dilanjutkan untuk nilai varian berikutnya. Salah satu contoh uji coba dengan metode yang diusulkan daat dilihat ada Gambar 7. Gambar 7(a) dan (b) adalah citra masukan I dan I. I memiliki rotasi relatif 66 terhada I. Gambar 7(c) adalah PPFT I dan I dalam reresentasi grayscale. Gambar 7(d) adalah Citra I ditambah hasil estimasi rotasi citra I. Hasil uji coba dengan metode iteratif daat dilihat ada Tabel. Iterasi yang dilakukan untuk mencai tingkat kesalahan terkecil adalah sebesar 3- kali. Tingkat kesalahan terbesar adalah 0,6. Sedangkan hasil uji coba dengan metode yang diusulkan yaitu estimasi rotasi non-iteratif dengan PPFT yang hanya memerlukan satu kali iterasi daat diamati ada Tabel. Tingkat kesalahan maksimum estimasi rotasi yang diusulkan adalah sebesar 0,9. Hasil uji coba ada Tabel dan menunjukkan bahwa metode yang diusulkan mamu memutus siklus iteratif ada estimasi rotasi iteratif dengan PPFT. Tingkat akurasi metode yang disulkan juga menunjukkan tingkat kesalahan yang lebih kecil dibandingkan metode iteratif. Hasil Uji Coba Ketahanan Terhada Noise Uji coba kedua bertujuan untuk menentukan akurasi estimasi rotasi oleh metode yang diusulkan ada citra yang memiliki noise. Noise yang diilih adalah Gaussian Noise dengan mean µ = 0 dan varian σ = 0,0; 0,0; hingga metode yang diusulkan tidak mamu lagi mengestimasi rotasi secara akurat. Gaussian Noise diilih karena lebih umum terjadi ada dunia nyata. Sudut rotasi yang diilih adalah 33,7. Salah satu contoh uji coba kedua daat dilihat ada Gambar 8. Gambar 8(a) dan (b) masing-masing adalah citra masukan I dan I. I adalah versi rotasi 33,7 terhada I dan I diberi Gaussian Noise dengan mean µ = 0 dan varian σ = 0,09. Gambar 8(c) adalah PPFT milik I dan I ada reresentasi grayscale. Sedangkan Gambar 8(d) adalah hasil estimasi rotasi I terhada I yang meruakan enjumlahan I dan I hasil rekonstruksi dari rotasi dan translasi yang ditemukan. Hasil uji coba kedua daat diamati ada Tabel 3. Tingkat kesalahan teta bernilai kecil (di bawah ) hingga gaussian noise memiliki varian 0,5. Uji coba ini membuktikan bahwa metode yang diusulkan memiliki ketahanan terhada noise. Hal ini dikarenakan bahwa dengan engamatan visual citra yang memiliki Gausian noise dengan mean µ = 0 dan varian σ = 0,0 sudah tidak namak lagi bentuk aslinya. SIMPULAN Berdasarkan hasil uji dan embahasan yang dilakukan, maka daat ditarik simulan:. Algoritma yang diusulkan mamu memutus siklus iterasi berkisar 3- dibanding algoritma registrasi citra untuk estimasi rotasi dengan menggunakan PPFT.. Algoritma registrasi citra dengan PPFT yang sebelumnya memiliki komleksitas
10 46 Jurnal Ilmiah KURSOR Vol. 5, No. 3, Januari 00, hlm komutasi O(MN logn), dimana M menunjukkan banyak iterasi dan N menyatakan ukuran citra masukan ukuran NxN, daat direduksi menjadi O(N logn) dikarenakan iterasi sebanyak M bernilai. 3. Ditinjau dari segi akurasi, hasil registrasi citra dengan metode yang diusulkan memiliki tingkat akurasi yang signifikan yang didaatkan secara otonom tana endefinisian nilai threshold sebelumnya. Berbeda dengan metode registrasi PPFT yang menggunakan iterasi, akurasi didefinisikan sebagai nilai threshold dan iterasi akan berhenti ketika nilai estimasi rotasi mencaai nilai threshold yang ditentukan. 4. Metode yang diusulkan juga memiliki ketahanan terhada gaussian noise yang memiliki mean µ = 0 hingga varian σ sebesar 0,3. DAFTAR PUSTAKA [] Dufaux F and Konrad J. Efficient, Robust, and Fast Global Motion Estimation for Video Coding. IEEE Transaction on Image Processing. 9: [] Kuglin CD and Hines DC. The Phase Correlation Image Alignment Method. Proc. IEEE Conf. Cybernetics and Society [3] Irani M and Peleg S. Motion Analysis for Image Enhancement: Resolution, Occlusion, and Transarency. J Visual Comm and Image Reresentation. 4: [4] Mann S and Picard R. Virtual Bellows: Constructing High Quality Stills from Video. Proc IEEE Int l Conf Image Processing [5] Wan R and Li M. An Overview of Medical Image Registration. Fifth International Conference on Comutational Intelligence and Multimedia Alications (ICCIMA'03) [6] Wolberg G and Zokai S. Robust Image Registration using Log-Polar Transform. Proc. IEEE Int. Conf. Image Processing [7] Reddy S and Chatterji BN. An FFT-Based Technique for Translation, Rotation, and Scale-Invariant Image Registration. IEEE Trans. Image Processing. 3: [8] Guo X, Xu Z, Lu Y, Liu Z, and Pang Y. Image Registration Based on Pseudo- Polar FFT and Analytical Fourier-Mellin Transform. Lecture Notes in Comuter Science. Berlin: Sringer Berlin [9] Keller Y, Averbuch A, and Israeli M. Pseudoolar-Based Estimation of Large Translations, Rotation, and Scalings in Images. IEEE Transactions on Image Processing. 4:
FUSI CITRA SATELIT MULTI-TEMPORAL DENGAN NON-ITERATIF PSEDOPOLAR FOURIER TRANSFORM
FUSI CITRA SATELIT MULTI-TEMPORAL DEGA O-ITERATIF PSEDOPOLAR FOURIER TRASFORM Arya Y. Wijaya, Agus Z. Arifin, Anny Yuniarti 3, Wijayanti. Khotimah 4,,3,4 Teknik Informatika, FTIF, Institut Teknologi Sepuluh
Lebih terperinci270 o. 90 o. 180 o PENDAHULUAN
PENDAHULUAN Latar Belakang Perkembangan analisis data saat ini masih bertumu ada analisis untuk data linear. Disisi lain, untuk kasus-kasus tertentu engukuran dilakukan secara sirkular. Beberaa ilustrasi
Lebih terperinciIntegral dan Persamaan Diferensial
Sudaryatno Sudirham Studi Mandiri Integral dan Persamaan Diferensial ii Darublic BAB 3 Integral (3) (Integral Tentu) 3.. Luas Sebagai Suatu Integral. Integral Tentu Integral tentu meruakan integral yang
Lebih terperinciTRANSFORMASI AFFIN PADA BIDANG
Jurnal Matematika Vol. No. November 03 [ : 8 ] TRANSFORMASI AFFIN PADA BIDANG Gani Gunawan dan Suwanda Program Studi Matematika, Fakultas MIPA, Universitas Islam Bandung Prgram Studi Statistika, Fakultas
Lebih terperinciPETA KENDALI R ADAPTIF SEBAGAI ALTERNATIF PETA KENDALI R SHEWHART DALAM MENDETEKSI PERGESERAN KECIL PADA VARIANS
PETA KENDALI R ADAPTIF SEBAGAI ALTERNATIF PETA KENDALI R SHEWHART DALAM MENDETEKSI PERGESERAN KECIL PADA VARIANS Adative R Control Chart as Alternative Shewhart R Control Chart in Detecting Small Shifts
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 terperinciPercepatan Motion Estimation Berbasis Fase Dengan Teknik Hierarchical Search Menggunakan Graphical Processing Unit (GPU)
SEMINAR NASIONAL ELECTRICAL INFORMATICS AND IT S EDUCATIONS 9 Perceatan Motion Estimation Berbasis Fase Dengan Teknik Hierarchical Search Menggunakan Grahical Processing Unit (GPU Rosa A. Asmara dan M.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Persoalan jalur terendek (Shortest Path) meruakan suatu jaringan engarahan erjalanan dimana seseorang engarah jalan ingin menentukan jalur terendek antara dua kota
Lebih terperinciBAB III MODEL EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC IN MEAN (EGARCH-M)
30 BAB III MODEL EXPOETIAL GEERALIZED AUTOREGRESSIVE CODITIOAL HETEROSCEDASTIC I MEA (EGARCH-M) 3.1 Proses EGARCH Exonential GARCH (EGARCH) diajukan elson ada tahun 1991 untuk menutui kelemahan model ARCH/GARCH
Lebih terperinciREGISTRASI CITRA PADA DOMAIN FREKUENSI MENGGUNAKAN METODE POWER CEPSTRUM
J. Math. and Its Appl. ISSN: 1829-605X Vol. 9, No. 1, Mei 2012, 17-31 REGISTRASI CITRA PADA DOMAIN FREKUENSI MENGGUNAKAN METODE POWER CEPSTRUM Kartika Mahanani 1, Suhud Wahyudi 2, Budi Setiyono 3, Imam
Lebih terperinciMODIFIKASI FUNGSI DENSITY PADA ALGORITMA ANT CLUSTERING
MODIFIKASI FUNGSI DENSITY PADA ALGORITMA ANT CLUSTERING Kurniawan Nur Ramadhani 1), Febryanti Sthevanie ) Fakultas Informatika Universitas Telkom Jln Telekomunikasi No. 1 Terusan Buah Batu Bandung 4057
Lebih terperinciPertemuan 3 Perbaikan Citra pada Domain Spasial (1) Anny Yuniarti, S.Kom, M.Comp.Sc
Pertemuan 3 Perbaikan Citra pada Domain Spasial (1), S.Kom, M.Comp.Sc Tujuan Memberikan pemahaman kepada mahasiswa mengenai berbagai teknik perbaikan citra pada domain spasial, antara lain : Transformasi
Lebih terperinciII. TINJAUAN PUSTAKA
II. TIJAUA PUSTAKA Portofolio Saham Portofolio berarti sekumulan investasi, untuk kasus saham, berarti sekumulan investasi dalam bentuk saham. Proses embentukan orfolio saham terdiri dari mengidentifikasi
Lebih terperinciKAJIAN KONSEP RUANG NORMA-2 DENGAN DOMAIN PEMETAAN BERUPA RUANG BERDIMENSI HINGGA
Jurnal Matematika Murni dan Teraan εsilon Vol. 07, No.01, 013), Hal. 13 0 KAJIAN KONSEP RUANG NORMA- DENGAN DOMAIN PEMETAAN BERUPA RUANG BERDIMENSI HINGGA Wahidah 1 dan Moch. Idris 1, Program Studi Matematika
Lebih terperinciREVIEW ALGORITMA PENGENALAN SIDIK JARI MENGGUNAKAN PENCOCOKAN CITRA BERBASIS FASA UNTUK SIDIK JARI KUALITAS RENDAH
REVIEW ALGORITMA PENGENALAN SIDIK JARI MENGGUNAKAN PENCOCOKAN CITRA BERBASIS FASA UNTUK SIDIK JARI KUALITAS RENDAH ABSTRAK Biometrika merupakan cara untuk mengidentifikasi individu menggunakan karekteristik
Lebih terperinciSKRIPSI ANALISIS PENGELOMPOKKAN KECAMATAN DI KODYA SURABAYA BERDASARKAN VARIABEL-VARIABEL KEPENDUDUKAN, KESEHATAN DAN PENDIDIKAN
SKRIPSI ANALISIS PENGELOMPOKKAN KECAMATAN DI KODYA SURABAYA BERDASARKAN VARIABEL-VARIABEL KEPENDUDUKAN, KESEHATAN DAN PENDIDIKAN Oleh : Rengganis L. N. R 302 00 046 PENDAHULUAN Latar Belakang Penduduk
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering
Lebih terperinciAlgoritma Jaringan Syaraf Tiruan Hopfield
2.6. Jaringan Saraf Tiruan Hofield Jaringan syaraf Tiruan Hofield termasuk iterative autoassociative network yang dikembangkan oleh Hofield ada tahun 1982, 1984. Dalam aringan Hofield, semua neuron saling
Lebih terperinciDika Dwi Muharahman*, Nurul Gusriani, Elis Hertini. Departemen Matematika, Universitas Padjadjaran *E mail:
Perubahan Perilaku Pengguna nstant Messenger dengan Menggunakan Analisis Koresondensi Bersama (Studi Kasus Mahasiswa di Program Studi S-1 Matematika FMPA Unad) Dika Dwi Muharahman*, Nurul Gusriani, Elis
Lebih terperinciBAB I PENDAHULUAN. Y dikatakan linear jika untuk setiap x, Diberikan ruang Hilbert X atas lapangan F dan T B( X ), operator T
BAB I PENDAHULUAN. Latar Belakang dan Permasalahan Bidang ilmu analisis meruakan salah satu cabang ilmu matematika yang di dalamnya banyak membicarakan konse, aksioma, teorema, lemma disertai embuktian
Lebih terperinciBAB II TINJAUAN PUSTAKA. untuk berkunjung ke suatu negara. Permintaan pariwisata biasanya diukur dari segi
BAB II TINJAUAN PUSTAKA 2.1 Permintaan Pariwisata Pariwisata mamu mencitakan ermintaan yang dilakukan oleh wisatawan untuk berkunjung ke suatu negara. Permintaan ariwisata biasanya diukur dari segi jumlah
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Transformasi Geometri Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 Outline Pengantar operasi geometrik Penggeseran citra Pemutaran citra Interpolasi piksel Zooming Pencerminan
Lebih terperinciBAB III METODOLOGI DAN PERBANDINGAN METODA
BAB III METODOLOGI DAN PERBANDINGAN METODA Melalui enjelasan konse jaringan grah, dalam menelusuri rute menuntut adanya enggunaan metoda yang teat. Merunut ada tinjauan ustaka, setidaknya akan digunakan
Lebih terperinciBAB 3 PENGEMBANGAN TEOREMA DAN PERANCANGAN PROGRAM
BAB 3 PENGEMBANGAN TEOREMA DAN PERANCANGAN PROGRAM 3.1. Pengembangan Teorema Dalam enelitian dan erancangan algoritma ini, akan dibahas mengenai beberaa teorema uji rimalitas yang terbaru. Teorema-teorema
Lebih terperinciDEKOMPOSISI NILAI SINGULAR DAN DISCRETE FOURIER TRANSFORM UNTUK NOISE FILTERING PADA CITRA DIGITAL
Seminar Nasional Aplikasi Teknologi Informasi 9 (SNATI 9) ISSN: 97- Yogyakarta, Juni 9 DEKOMPOSISI NILAI SINGULAR DAN DISCRETE FOURIER TRANSFORM UNTUK NOISE FILTERING PADA CITRA DIGITAL Adiwijaya, D. R.
Lebih terperinciREPRESENTASI FUNGSIONAL-2 DI l p. Yosafat Eka Prasetya Pangalela Institut Teknologi Bandung
JMP : Volume 4 Nomor, Juni 202, hal. 23-29 REPRESENTASI FUNGSIONAL-2 DI l Yosafat Eka Prasetya Pangalela Institut Teknologi Bandung matrix_ye@yahoo.co.id Hendra Gunawan Institut Teknologi Bandung ABSTRACT.
Lebih terperinciIMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER
IMPLEMENTASI TEMU KEMBALI CITRA TEKSTUR MENGGUNAKAN ROTATED WAVELET FILTER M. Jamaluddin 1, Nanik Suciati 2, Arya Yudhi Wiajaya 3 1,2,3 Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciMULTIPATH FADING RAYLEIGH MENGGUNAKAN MODEL AUTOREGRESSIVE DAN INTERPOLATOR
MULTIPATH FADING RAYLEIGH MENGGUNAKAN MODEL AUTOREGRESSIVE DAN INTERPOLATOR Aryo Baskoro Utomo Jurusan Teknik Elektro, Fakultas Teknik, Universitas Negeri Semarang Kamus UNNES Sekaran Gunungati, Semarang
Lebih terperinciBAB I PENDAHULUAN. 1 Universitas Kristen Maranatha
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan dunia digital, terutama dengan berkembangnya internet, menyebabkan informasi dalam berbagai bentuk dan media dapat tersebar dengan cepat tanpa
Lebih terperinciAnalisis Jarak Microphone Array dengan Teknik Pemrosesan Sinyal Fast Fourier Transform Beamforming
85 Analisis Jarak Microphone Array dengan Teknik Pemrosesan Sinyal Fast Fourier Transform Beamforming Moh Fausi, Agus Naba dan Djoko Santjojo Abstract The main problem in the application of the sound source
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh
Lebih terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciPengaruh Riwayat Pemberian ASI Terhadap Perkembangan Anak Usia Prasekolah di TK Kristen Imanuel Surakarta
Pengaruh Riwayat Terhada Perkembangan Anak Usia Prasekolah di TK Kristen Imanuel Surakarta 1 2 srilestarijs@yahoo.com 1 2 AKPER Insan Husada Surakarta Breast milk is the most erfect food for baby. Giving
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 I Pendahuluan. I.1 Latar Belakang Masalah
Bab I Pendahuluan I. Latar Belakang Masalah Dalam beberaa tahun terakhir ini, roses emonitoran kestabilan barisan matriks korelasi mendaatkan erhatian yang amat serius dalam literatur, terutama dalam literatur
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengenalan Wajah Pengenalan wajah adalah salah satu teknologi biometrik yang telah banyak diaplikasikan dalam sistem keamanan selain pengenalan retina mata, pengenalan sidik jari
Lebih terperinciBiaya Modal (Cost of Capital)
Bahan Ajar : Manajemen Keuangan II Digunakan untuk melengkai buku wajib Disusun oleh: Nila Firdausi Nuzula Biaya Modal (Cost of Caital) Caital Budgeting dan Cost of Caital (CoC) meruakan dua konse yang
Lebih terperinciNONSUBSAMPLED CONTOURLET TRANSFORM DAN ITERATIVE POINT CORRESPONDENCE UNTUK REGISTRASI PADA CITRA DENTAL PERIAPIKAL
NONSUBSAMPLED CONTOURLET TRANSFORM DAN ITERATIVE POINT CORRESPONDENCE UNTUK REGISTRASI PADA CITRA DENTAL PERIAPIKAL Ahmad Afif Supianto, Agus Zainal Arifin, Arya Yudhi Wijaya Jurusan Teknik Informatika,
Lebih terperinciWATERMARKING PADA CITRA DIGITAL BERBASIS DISCRETE WAVELET TRANSFORM DAN SINGULAR VALUE DECOMPOSITION
WATERMARKING PADA CITRA DIGITAL BERBASIS DISCRETE WAVELET TRANSFORM DAN SINGULAR VALUE DECOMPOSITION Disusun oleh : Nama : Hendra Togi Manalu Nrp : 0522121 Jurusan Teknik Elektro, Fakultas Teknik,, Jl.
Lebih terperinciPenerapan Kurva Eliptik Atas Zp Pada Skema Tanda Tangan Elgamal
A7 : Peneraan Kurva Elitik Atas Z... Peneraan Kurva Elitik Atas Z Pada Skema Tanda Tangan Elgamal Oleh : Puguh Wahyu Prasetyo S Matematika, Universitas Gadjah Mada, Yogyakarta Email : uguhw@gmail.com Muhamad
Lebih terperinciImplementasi Teori Graf Dalam Masalah Fingerprint Recognition (Pengenalan Sidik Jari)
Implementasi Teori Graf Dalam Masalah Fingerprint Recognition (Pengenalan Sidik Jari) Amalfi Yusri Darusman Jurusan Teknik Informatika Institut Teknologi Bandung, jalan Ganesha 10 Bandung, email : if17023@students.if.itb.a.c.id
Lebih terperinciANALISIS BAYES UNTUK REGRESI SPLINE TERPENALTI STUDI KASUS: ANALISIS HUBUNGAN JUMLAH UANG BEREDAR DENGAN INFLASI DI INDONESIA
IndoMS Journal on Statistics Vol. 2, No. 2 (2014), Page 63-69 ANALISIS BAYES UNTUK REGRESI SPLINE TERPENALTI STUDI KASUS: ANALISIS HUBUNGAN JUMLAH UANG BEREDAR DENGAN INFLASI DI INDONESIA Rika Fitriani,
Lebih terperinciRegresi Rasio Prevalensi dengan Model Log-Binomial: Isu Ketakkonvergenan. Netti Herawati 1) Alfian Futuhul Hadi 2)
BIAStatistika (2) Vol. 4, No., hal. 35 45 Regresi Rasio Prevalensi dengan Model Log-Binomial: Isu Ketakkonvergenan Netti Herawati ) Alfian Futuhul Hadi 2) ) Jurusan Matematika FMIPA Universitas Lamung
Lebih terperinciHasil Kali Dalam Berbobot pada Ruang L p (X)
Hasil Kali Dalam Berbobot ada Ruang L () Muhammad Jakfar, Hendra Gunawan, Mochammad Idris 3 Universitas Negeri Surabaya, muhammadjakfar@unesa.ac.id Institut Teknologi Bandung, hgunawan@math.itb.ac.id 3
Lebih terperinci10/11/2014 IMAGE SMOOTHING. CIG4E3 / Pengolahan Citra Digital BAB 7 Image Enhancement (Image Smoothing & Image Sharpening)
0//04 CIG4E3 / Pengolahan Citra Digital BAB 7 Image Enhancement (Image Smoothing & Image Sharpening) Intelligent Computing and Multimedia (ICM) IMAGE SMOOTHING 0 //04 0 //04 Image Smoothing Biasa dilakukan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciFourier Descriptor Based Image Alignment (FDBIA) (1)
Fourier Descriptor Based Image Alignment (FDBIA) (1) Metode contour tracing digunakan untuk mengidentifikasikan boundary yang kemudian dideskripsikan secara berurutan pada FD. Pada aplikasi AOI variasi
Lebih terperinciIdentifikasi Sidik Jari Menggunakan Akurasi POC dan SIFT Fingerprint Identification Using POC Accuracy and SIFT
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Identifikasi Sidik Jari Menggunakan Akurasi POC dan SIFT Fingerprint Identification Using POC Accuracy and SIFT Tendi Tri Wiyanto 1, Pulung Nurtantio
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK PENDUGAAN MUTU. Sandra 1)
Alikasi Jaringan Syaraf Tiruan (Sandra) APLIKASI JARINGAN SYARAF TIRUAN UNTUK PENDUGAAN MUTU MANGGA SEGAR SECARA NON-DESTRUKTIF Sandra 1) 1) Staf Pengajar Fakultas Pertanian, Universitas Andalas Padang
Lebih terperinciSimulasi Teknik Image Enhancement Menggunakan Matlab Yustina Retno Wahyu Utami 3)
Simulasi Teknik Image Enhancement Menggunakan Matlab Yustina Retno Wahyu Utami 3) ISSN : 1693 1173 Abstrak Penelitian ini menekankan pada pentingnya teknik simuasi pada pengolahan citra digital. Simulasi
Lebih terperinciAnalisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital
Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Nurul Fuad 1, Yuliana Melita 2 Magister Teknologi Informasi Institut Saint Terapan & Teknologi
Lebih terperinciAPLIKASI DISCOUNTED CASH FLOW PADA KONTROL INVENTORY DENGAN BEBERAPA MACAM KREDIT PEMBAYARAN SUPPLIER
Program Studi MMT-ITS, Surabaya Agustus 9 APLIKASI ISOUNTE ASH FLOW PAA KONTROL INVENTORY ENGAN BEBERAPA MAAM KREIT PEMBAYARAN SUPPLIER Hansi Aditya, Rully Soelaiman Manajemen Teknologi Informasi MMT -
Lebih terperinciFungsi dan Grafik Diferensial dan Integral
Studi Mandiri Fungsi dan Grafik Diferensial dan Integral oleh Sudaratno Sudirham i Hak cita ada enulis, SUDIRHAM, SUDARYATNO Fungsi dan Grafik, Diferensial dan Integral Oleh: Sudaratmo Sudirham Darublic,
Lebih terperinciTRY OUT UN MATEMATIKA SMA IPA 2014
TRY OUT UN MATEMATIKA SMA IPA 4 Berilah tanda silang () ada huruf a, b, c, d, atau e di dean jawaban yang benar!. Diketahui remis-remis berikut. Jika Yudi rajin belajar maka ia menjadi andai. Jika Yudi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra 2.1.1 Definisi Citra Secara harfiah, citra adalah gambar pada bidang dwimatra (dua dimensi). Jika dipandang dari sudut pandang matematis, citra merupakan hasil pemantulan
Lebih terperinciPEMBUKTIAN PERNYATAAN LOGIKA PROPOSISI DENGAN MENGGUNAKAN RULES OF INFERENCE
Jurnal Comutech & Bisnis, Vol. 3, No. 2, Desember 2009, 100-104 ISSN Pembuktian 1978-9629 Pernyataan Logika Proosisi...(Dadi Rosadi, Praswidhianingsih) PEMBUKTIAN PERNYATAAN LOGIKA PROPOSISI DENGAN MENGGUNAKAN
Lebih terperinciREKONSTRUKSI CITRA MENGGUNAKAN ALGORITMA STRUCTURE-ADAPTIVE NORMALIZED CONVOLUTION
REKONSTRUKSI CITRA MENGGUNAKAN ALGORITMA STRUCTURE-ADAPTIVE NORMALIZED CONVOLUTION Nama Mahasiswa : Imaddudin Septyan P NRP : 1207 100 062 Jurusan : Matematika FMIPA-ITS Dosen Pembimbing : 1. DR. Imam
Lebih terperincioleh seperangkat variabel X, maka persamaan di atas dinamakan persamaan struktural, dan modelnya disebut model struktural.
ANALISIS JALUR A. PENGERTIAN ANALISIS JALUR Telaah statistika menyatakan bahwa untuk tujuan eramalan/ endugaan nilai Y atas dasar nilai-nilai X 1, X,., X i, ola hubungan yang sesuai adalah ola hubungan
Lebih terperinciDIMENSI PARTISI PADA GRAPH HASIL KORONA C m K n
DIMENSI PARTISI PADA GRAPH HASIL KORONA C m K n Nama : Yogi Sindy Prakoso NRP : 106 100 015 Jurusan : Matematika FMIPA-ITS Pembimbing : Drs. Suhud Wahyudi, M.Si Dra. Titik Mudiati, M.Si Abstrak Grah adalah
Lebih terperinciPenjejakan Objek Visual berbasis Algoritma Mean Shift dengan menggunakan kamera Pan-Tilt
Penjejakan Objek Visual berbasis Algoritma Mean Shift dengan menggunakan kamera Pan-Tilt Sulfan Bagus Setyawan 1, Djoko Purwanto 2 Jurusan Teknik Elektro, Institut Teknologi Sepuluh Nopember 1 sulfan13@mhs.ee.its.ac.id
Lebih terperinciBAHAN AJAR DIKLAT GURU MATEMATIKA
BAHAN AJAR DIKLAT GURU MATEMATIKA DEPARTEMEN PENDIDIKAN NASIONAL DIREKTORAT JENDERAL PENDIDIKAN DASAR DAN MENENGAH DIREKTORAT PENDIDIKAN MENENGAH KEJURUAN 005 Daftar Isi Kata Pengantar i Daftar Isi ii
Lebih terperinciOPTIMASI PENEMPATAN BANK CAPACITOR PADA PENYULANG H5 MENGGUNAKAN METODE GENETIC ALGORITHM (GA)
Jurnal Informatika Mulawarman ol. 10 No. 2 Setember 2015 13 OPTIMASI PENEMPATAN BANK CAPACITOR PADA PENYULANG H5 MENGGUNAKAN METODE GENETIC ALGORITHM (GA) Muslimin Program Studi Teknik Elektro Fakultas
Lebih terperinciGLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness
753 GLOSARIUM Adaptive thresholding (lihat Peng-ambangan adaptif). Additive noise (lihat Derau tambahan). Algoritma Moore : Algoritma untuk memperoleh kontur internal. Array. Suatu wadah yang dapat digunakan
Lebih terperinciKAJIAN TEORETIS RELASI DISPERSI BAHAN BERINDEKS BIAS NEGATIF
Prosiding Seminar Nasional Penelitian, Pendidikan dan Peneraan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 16 Mei 009 KAJIAN TEORETIS RELASI DISPERSI BAHAN BERINDEKS BIAS NEGATIF Juliasih Partini,
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN
PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN Rudy Adipranata 1, Liliana 2, Gunawan Iteh Fakultas Teknologi Industri, Jurusan Teknik Informatika, Universitas Kristen Petra Jl. Siwalankerto
Lebih terperinciANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL
ANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL Nur hajizah (13111171) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl.
Lebih terperinciPertemuan IV II. Torsi
Pertemuan V. orsi.1 Definisi orsi orsi mengandung arti untir yang terjadi ada batang lurus aabila dibebani momen (torsi) yang cendrung menghasilkan rotasi terhada sumbu longitudinal batang, contoh memutar
Lebih terperinciRestorasi Citra Plat Nomor Kendaraan Menggunakan Metode Super Resolusi pada Sistem Pelanggaran Lampu Merah
Restorasi Citra Plat Nomor Kendaraan Menggunakan Metode Super Resolusi pada Sistem Pelanggaran Lampu Merah Bayu Setyo Prayugi Teknik Komputer dan Telematika Jurusan Teknik Elektro Insitut Teknologi Sepuluh
Lebih terperinciPERBANDINGAN PENGGUNAAN PARAMETER DISCRETE COSINE TRANSFORM DAN PARAMETER MOMEN ZERNIKE DALAM MENGINDEKS CITRA. Intisari
Perbandingan Penggunaan Parameter Discrete Cosine Transform dan Parameter Momen Zernike dalam Mengindeks Citra (Saptadi Nugroho, Junibakti Sanubari, dan Darmawan Utomo) PERBANDINGAN PENGGUNAAN PARAMETER
Lebih terperincipola-pola yang terdapat pada suatu daerah bagian citra. Tekstur juga dapat membedakan permukaan dari beberapa kelas.
Ruang Lingkup Penelitian Ruang Lingkup penelitian ini adalah: 1. Objek citra adalah data citra daun tumbuhan obat dan citra pohon tanaman hias di Indonesia. 2. Dalam penelitian ini operator MBLBP yang
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dijelaskan tentang berbagai teori yang digunakan untuk melakukan penelitian ini. Teori yang berhubungan seperti penjelasan moment secara umum, Zernike polynomials,
Lebih terperinciPERBAIKAN TEGANGAN BUS AKIBAT GANGGUAN KONTINGENSI DENGAN MENGGUNAKAN INJEKSI SUMBER DAYA REAKTIF. Yasin Mohamad, ST.
PERBAIKAN TEGANGAN BUS AKIBAT GANGGUAN KONTINGENSI DENGAN MENGGUNAKAN INJEKSI SUMBER DAYA REAKTIF Yasin Mohamad, ST., MT 1 INTISARI Penelitian ini bertujuan untuk mengetahui erubahan-erubahan tegangan
Lebih terperinciModifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-5 1 Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila, Handayani Tjandrasa, dan Nanik
Lebih terperinciKompleksitas Algoritma Quick Sort
Komleksitas Algoritma Quick Sort Fachrie Lantera NIM: 130099 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung Jln. Ganesha 10, Bandung E-mail : if099@students.if.itb.ac.id
Lebih terperinciSuatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.
Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,
Lebih terperinciBAB III PENGOLAHAN DATA
BAB III PENGOLAHAN DATA Pengolahan data pada penelitian ini meliputi tahapan pengambilan data, penentuan titik tengah area yang akan menjadi sampel, pengambilan sampel, penentuan ukuran window subcitra
Lebih terperinciPENENTUAN POSISI KAMERA DENGAN GEODESIC DOME UNTUK PEMODELAN. M. Yoyok Ikhsan *
PENENTUAN POSISI KAMERA DENGAN GEODESIC DOME UNTUK PEMODELAN M. Yoyok Ikhsan * ABSTRAK PENENTUAN POSISI KAMERA DENGAN GEODESIC DOME UNTUK PEMODELAN. Makalah ini memaparkan metode untuk menentukan posisi
Lebih terperinciHak Cipta Badan Standardisasi Nasional, Copy standar ini dibuat untuk penayangan di dan tidak untuk di komersialkan.
2 Standar Nasional Indonesia Tata caraa enghitungan hujan maksimumm boleh jadi dengan metode Hersfield ICS 93.010; 19.040 Badan Standardis sasi Nasional BSN 2012 Hak cita dilindungi undang-undang. Dilarang
Lebih terperinciDESAIN KOMPENSATOR KAWASAN FREKUENSI. Dalam bab terdahulu, telah dipelajari analisa TKA dan prosedur desain. Desain
DESAIN KOMPENSATOR KAWASAN FREKUENSI Dalam bab terdahulu, telah dielajari analisa TKA dan rosedur desain. Desain TKA telah ditamilkan sebagai metode untuk menangani tanggaan eralihan (transien) sistem
Lebih terperinciImplementasi Algoritma Blind Watermarking Menggunakan Metode Fractional Fourier Transform dan Visual Cryptography
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) 1 Implementasi Algoritma Blind Watermarking Menggunakan Metode Fractional Fourier Transform dan Visual Cryptography Mir atul
Lebih terperinciN, 1 q N-1. A mn cos 2M , 2N. cos. 0 p M-1, 0 q N-1 Dengan: 1 M, p=0 2 M, 1 p M-1. 1 N, q=0 2. α p =
tulisan. Secara umum, steganografi dapat diartikan sebagai salah satu cara menyembunyikan suatu pesan rahasia (message hiding) dalam data atau pesan lain yang tampak tidak mengandung apa-apa sehingga keberadaan
Lebih terperinciBAB V KESIMPULAN. Berdasarkan uraian pada Bab III dan Bab IV maka dapat disimpulkan sebagai
BAB V KESIMPULAN Berdasarkan uraian ada Bab III dan Bab IV maka daat disimulkan sebagai berikut 1. Keluarga emetaan K C,δ (R, R) dan L C,δ (R, R) adalah beberaa bentuk keluarga emetaan demi linear dari
Lebih terperinci1. Pendahuluan Latar Belakang
1. Pendahuluan 1.1. Latar Belakang Meningkatnya kebutuhan manusia akan sistem keamanan berbasis tracking yang dapat bekerja secara otomatis membuat ilmuwan mulai menciptakan berbagai macam teknologi dan
Lebih terperinciBAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya
5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada
Lebih terperinciImplementasi Deteksi Mata Otomatis Menggunakan Pemfilteran Intensitas dan K-Means Clustering
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) 1 Implementasi Deteksi Mata Otomatis Menggunakan Pemfilteran Intensitas dan K-Means Clustering Ahmad Kadiq, Arya Yudhi Wijaya,
Lebih terperinciWATERMARKING DENGAN METODE DEKOMPOSISI NILAI SINGULAR PADA CITRA DIGITAL
SEMIN HASIL TUGAS AKHIR 1 WATERMKING DENGAN METODE DEKOMPOSISI NILAI SINGUL PADA CITRA DIGITAL Oleh : Latifatul Machbubah NRP. 1209 100 027 JURUSAN MATEMATI FAKULTAS MATEMATI DAN ILMU PENGETAHUAN ALAM
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI.1 etode Perancangan etode erancangan adalah roses berikir sistematis untuk menyelesaikan suatu masalah, sehingga mendaatkan hasil enyelesaian yang maksimal untuk mencaai sesuatu yang
Lebih terperinci(IMAGE ENHANCEMENT) Peningkatan kualitas citra di bagi menjadi dua kategori yaitu :
(IMAGE ENHANCEMENT) Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagi cara. Tujuannya adalah untuk memproses citra yang dihasilkan lebih baik daripada
Lebih terperinciPERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN
PERANCANGAN APLIKASI PENGURANGAN NOISE PADA CITRA DIGITAL MENGGUNAKAN METODE FILTER GAUSSIAN Warsiti Mahasiswi Program Studi Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Sp. Limun
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Digital Istilah citra biasanya digunakan dalam bidang pengolahan citra yang berarti gambar. Suatu citra dapat didefinisikan sebagai fungsi dua dimensi, di mana dan adalah
Lebih terperinciPENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM)
PENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM) Rima Tri Wahyuningrum *) Program Studi Teknik Informatika,
Lebih terperinciAliran Daya Optimal dengan Batas Keamanan Sistem Menggunakan Bender Decomposition
JURAL TEKIK POMITS Vol., o., (4) Aliran Daya Otimal dengan Batas Keamanan Sistem Menggunakan Bender Decomosition Tri Prasetya Fathurrodli, Rony Seto Wibowo, Ontoseno Penangsang Jurusan Teknik Elektro,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pemrosesan citra adalah ilmu untuk memanipulasi gambar, yang melingkupi teknikteknik untuk memperbaiki atau mengurangi kualitas gambar, menampilkan bagian tertentu
Lebih terperinciDETEKSI MARKA JALAN DAN ESTIMASI POSISI MENGGUNAKAN MULTIRESOLUTION HOUGH TRANSFORM
DETEKSI MARKA JALAN DAN ESTIMASI POSISI MENGGUNAKAN MULTIRESOLUTION HOUGH TRANSFORM Charles Edison Chandra; Herland Jufry; Sofyan Tan Computer Engineering Department, Faculty of Engineering, Binus University
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 terperinciSOAL DAN PEMBAHASAN UJIAN NASIONAL SMA/MA IPA TAHUN PELAJARAN 2007/2008
SOAL DAN PEMBAHASAN UJIAN NASIONAL SMA/MA IPA TAHUN PELAJARAN 7/8. Diketahui remis remis : () Jika Badu rajin belajar dan atuh ada orang tua, maka Aah membelikan bola basket () Aah tidak membelikan bola
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Citra (image) atau yang secara umum disebut gambar merupakan representasi spasial dari suatu objek yang sebenarnya dalam bidang dua dimensi yang biasanya ditulis dalam
Lebih terperinciBAB III METODOLOGI PENELITIAN. sampling, (e) Validitas dan Reliabilitas, (f) Metode analisis data
BAB III METODOLOGI PENELITIAN Pada embahasan dalam metode enelitian ini akan menguraikan mengenai (a) Identifikasi variabel enelitian, (b) Defenisi oerasional variabel enelitian, (c)metode engumulan data,
Lebih terperinciREKONSTRUKSI CITRA PLAT NOMOR KENDARAAN MENGGUNAKAN METODE SUPER RESOLUTION MULTI FRAME
REKONSTRUKSI CITRA PLAT NOMOR KENDARAAN MENGGUNAKAN METODE SUPER RESOLUTION MULTI FRAME Aulia Mahardika 1, Alexander Agung 1, Michael Yoseph 1 1 Binus University, Jl K. H. Syahdan No. 9 Kemanggisan/Palmerah
Lebih terperinci