JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA :38:54

Transkripsi

1 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 PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA :38:54

2 PENDAHULUAN LATAR BELAKANG RUMUSAN MASALAH BATASAN MASALAH TUJUAN MANFAAT 11:38:54

3 Latar Belakang Rumusan Batasan Tujuan PENDAHULUAN LATAR BELAKANG Kebutuhan terhadap citra resolusi tinggi Manfaat Teknologi yang ada sekarang?? Belum dapat memenuhi kebutuhan tersebut Super Resolusi Projection onto Convex Sets (POCS) Membutuhkan Biaya yang tidak sedikit 11:38:55

4 Latar Belakang Rumusan Batasan Tujuan Manfaat PENDAHULUAN RUMUSAN MASALAH 1. Bagaimana mengimplementasikan rekonstruksi citra pada Super Resolusi menggunakan Projection onto Convex Sets (POCS). 2. Bagaimana menguji kualitas citra hasil rekonstruksi menggunakan Peak Signal to Noise Ratio (PSNR). 11:38:55

5 Latar Belakang Rumusan Batasan Tujuan Manfaat PENDAHULUAN BATASAN MASALAH 1. Masukan berupa rangkaian citra resolusi rendah yang berada dalam satu scene dan menghasilkan keluaran citra tunggal beresolusi tinggi. 2. Dilakukan pada domain frekuensi. 3. difokuskan pada proses rekonstruksi, untuk proses registrasi menggunakan perhitungan pergeseran dan rotasi yang dikembangkan oleh Vandewalle. 4. Citra direkonstruksi dengan faktor interpolasi sebesar 2 dan format citra yang digunakan adalah TIF. 5. Software yang digunakan dalam implementasi penelitian ini adalah MATLAB. 11:38:55

6 Latar Belakang Rumusan Batasan Tujuan Manfaat PENDAHULUAN TUJUAN 1. Membangun program yang dapat menghasilkan citra tunggal beresolusi tinggi yang berasal dari rangkaian citra resolusi rendah dengan Super Resolusi menggunakan metode Projection onto Convex Sets pada domain frekuensi. 2. Menguji kualitas citra hasil rekonstruksi menggunakan Peak Signal to Noise Ratio (PSNR). 11:38:55

7 Latar Belakang Rumusan Batasan Tujuan Manfaat PENDAHULUAN MANFAAT 1. Program yang akan dibuat diharapkan dapat menjadi salah satu media untuk meningkatkan kualitas citra digital sehingga dapat diaplikasikan dalam berbagai bidang. 2. Sebagai tambahan kepustakaan untuk penelitian selanjutnya. 11:38:55

8 TINJAUAN PUSTAKA CITRA DIGITAL PENGOLAHAN CITRA RESOLUSI CITRA SUPER RESOLUSI DOMAIN FREKUENSI POCS PSNR 11:38:55

9 TINJAUAN PUSTAKA CITRA DIGITAL Citra Digital Pengolahan Resolusi Super Resolusi Citra yang didefinisikan sebagai fungsi f(x,y) dimana x menyatakan nomor baris, y menyatakan nilai kolom, dan f menyatakan nilai derajat keabuan dari citra. D. Frekuensi POCS PSNR 11:38:55

10 Citra Digital Pengolahan Resolusi Super Resolusi D. Frekuensi POCS PSNR TINJAUAN PUSTAKA PENGOLAHAN CITRA Pengolahan suatu citra dengan menggunakan komputer secara khusus, untuk menghasilkan suatu citra yang lain. Beberapa operasi atau teknik pada pengolahan citra digital: 1. Perbaikan kualitas citra (image enhancement) 2. Pemugaran citra (image restoration) 3. Pemampatan citra (image compression) 4. Segmentasi citra (image segmentation) 5. Analisis citra (image analysis) 6. Rekonstruksi citra (image reconstruction) 11:38:56

11 Citra Digital Pengolahan Resolusi Super Resolusi D. Frekuensi POCS PSNR TINJAUAN PUSTAKA RESOLUSI CITRA Resolusi citra adalah detail paling halus yang dapat dibedakan dengan jelas pada citra. Ada dua klasifikasi paling umum yang sering digunakan dalam penelitian yakni resolusi spasial dan tingkat bit. Resolusi spasial pada dasarnya menggambarkan jumlah piksel dalam citra. Misalnya citra dengan ukuran 640 x 480 merepresentasikan citra dengan jumlah piksel sebanyak 640 pada kolomnya dan 480 pada barisnya. Tingkat bit mengacu pada jumlah bit yang dapat digunakan untuk menentukan warna pada setiap piksel suatu citra. 11:38:56

12 TINJAUAN PUSTAKA SUPER RESOLUSI Citra Digital Pengolahan Resolusi Super Resolusi D. Frekuensi POCS Super Resolusi PSNR 11:38:56

13 Citra Digital Pengolahan Resolusi Super Resolusi D. Frekuensi POCS PSNR TINJAUAN PUSTAKA SUPER RESOLUSI Super resolusi merupakan teknik untuk mendapatkan citra yang beresolusi tinggi dari citra yang beresolusi rendah. Citra resolusi rendah yang digunakan dapat berupa citra tunggal atau rangkaian citra yang diambil dari scene yang sama. Pada umumnya, Super Resolusi terdiri dari dua tahap, yaitu Registrasi citra dan Rekonstruksi citra. 11:38:56

14 TINJAUAN PUSTAKA SUPER RESOLUSI Citra Digital Pengolahan Resolusi Super Resolusi Registrasi citra Proyeksi D. Frekuensi POCS PSNR Citra resolusi rendah Grid subpiksel (merujuk pada citra resolusi rendah pertama) Citra resolusi tinggi 11:38:56

15 Citra Digital Pengolahan Resolusi Super Resolusi TINJAUAN PUSTAKA Transformasi Fourier Diskrit M 1 N 1 DOMAIN FREKUENSI F u, v = f(x, y) x=0 y=0 2iπux M e 2iπvy N e D. Frekuensi POCS PSNR Invers f x, y = 1 MN M 1 N 1 u=0 v=0 F(u, v) e 2iπux M e2iπvy N 11:38:56

16 TINJAUAN PUSTAKA PROJECTION ONTO CONVEX SETS Citra Digital Pengolahan Resolusi Super Resolusi D. Frekuensi POCS PSNR Algoritma ini melakukan pendekatan dengan melakukan iterasi yang berulang dengan menggunakan informasi dari rangkaian citra resolusi rendah dan membatasi solusi pada himpunan konveks [4].

17 Citra Digital Pengolahan Resolusi Super Resolusi D. Frekuensi POCS PSNR TINJAUAN PUSTAKA PROJECTION ONTO CONVEX SETS Untuk suatu sinyal f ( x, y) dan himpunan konveks tertutup diasumsikan merupakan element pada Ruang Hilbert, maka C i H, i = 1,2..m dan, f C 0 Dengan syarat irisan di tidak nol. Diberikan himpunan terbatas pada C dan operator proyeksi pada tiap-tiap maka diperoleh f k 1 Pm Pm 1... P1 Dengan operator proyeksi yang memproyeksikan sinyal himpunan konveks tertutup f C k C i 0 m i 1 C i f ( x, y) C i f ( x, y) ke

18 Citra Digital Pengolahan Resolusi Super Resolusi D. Frekuensi POCS PSNR TINJAUAN PUSTAKA Model Citra resolusi rendah PROJECTION ONTO CONVEX SETS g( x, y) h( x, y) f ( x s, y s ) N( x, y) dari persamaan tersebut diperoleh himpunan konveks sebagai berikut C i operator proyeksi f k 1 f x : g( x, y) h( x, y) f ( x, y) N( x, y) f k g i i h h i ' i 2 f k h 2 i y

19 TINJAUAN PUSTAKA PROJECTION ONTO CONVEX SETS Citra Digital Pengolahan Resolusi Super Resolusi D. Frekuensi POCS PSNR Ilustrasi POCS pada domain frekuensi

20 Citra Digital Pengolahan Resolusi Super Resolusi D. Frekuensi POCS PSNR TINJAUAN PUSTAKA MSE PEAK SIGNAL TO NOISE RASIO PSNR 20log10 1 MN M 255 MSE I( x, y) I'( x, y) y 1 N x 1 2

21 METODE PENELITIAN 1. Studi Literatur 2. dan Implementasi 3. Implementasi Program 4. Uji Coba dan Evaluasi

22 PERANCANGAN SISTEM

23 Jadwal Pelaksanaan UJI COBA DAN PEMBAHASAN Citra Asli Rangkaian Citra Resolusi rendah Citra Hasil Rekonstruksi Buat Citra Observasi Rekonstruksi dengan POCS

24 Jadwal Pelaksanaan UJI COBA DAN PEMBAHASAN Citra Asli Citra Hasil Rekonstruksi Hitung Nilai PSNR

25 Jadwal Pelaksanaan UJI COBA DAN PEMBAHASAN Dengan Paint Dengan Interpolasi bicubic PSNR : Dengan POCS

26 Jadwal Pelaksanaan UJI COBA DAN PEMBAHASAN Dengan Interpolasi bicubic Dengan POCS

27 Jadwal Pelaksanaan UJI COBA DAN PEMBAHASAN Dengan Interpolasi bicubic Dengan POCS

28 Jadwal Pelaksanaan UJI COBA DAN PEMBAHASAN Dengan Interpolasi bicubic Dengan POCS

29 Jadwal Pelaksanaan UJI COBA DAN PEMBAHASAN Tabel hasil uji coba citra mri Tabel hasil uji coba citra peta Tabel nilai rata-rata

30 PENUTUP KESIMPULAN 1. Dari hasil implementasi rekonstruksi citra pada super resolusi menggunakan Projection onto Convex Sets menunjukan bahwa program dapat merekonstruksi rangkaian citra resolusi rendah menjadi citra beresolusi lebih tinggi dengan hasil yang cukup baik secara visual. 2. Dari hasil perhitungan PSNR menunjukkan bahwa citra hasil Super Resolusi memberikan kualitas lebih baik jika jumlah citra pada citra observasi semakin banyak. 3. Hasil rekonstruksi citra menggunakan Projection onto Convex Sets memiliki nilai PSNR yang lebih baik jika dibandingkan dengan interpolasi bicubic sehingga kualitas citra hasil rekonstruksi lebih baik karena semakin tinggi nilai PSNR maka semakin baik kualitas citra. Dari hasil pengujian 6 citra, didapatkan rata-rata nilai PSNR db untuk citra hasil interpolasi bicubic sebesar db. SARAN 1. Dalam prosesnya algoritma Projection onto Convex Sets juga menggunakan informasi blur dari citra resolusi rendah, oleh karena itu untuk penelitian selanjutnya dapat ditambahkan proses untuk mengestimasi blur dari citra resolusi rendah sehingga hasil rekonstruksi dapat lebih baik. 2. Registrasi citra merupakan bagian yang sangat penting dalam teknik Super Resolusi. Untuk penelitian selanjutnya, penggunaan metode registrasi citra yang lebih baik dalam estimasi translasi ataupun rotasi sehingga rekonstruksi citra pada Super Resolusi menggunakan Projection onto Convex Sets akan memberikan hasil yang lebih baik pula. 3. Sebagai pengembangan program, penelitian dapat ditingkatkan untuk menghasilkan video resolusi tinggi dari video yang resolusinya rendah.

31 DAFTAR PUSTAKA [1] Bannore, Vivek Interpolation Super-Resolution Image Reconstruction A Computationally Efficien Technique (Studies in Computational Intelligence, Volume 195). Springer. [2] Basuki, A. Palandi, JF. Fatchurrochman Pengolahan Citra Digital Menggunakan Visual Basic. Yogyakarta : Graha Ilmu. [3] Chaudhuri, Subhasis Super-Resolution Imaging (The Springer)International Series in Engineering and Computer Science). Springer. [4] Chong Fan, Jianjun Zhu, Jianya Gong, Cuiling Kuang POCS Super-Resolution Sequence Image Reconstruction Based on Improvement Approach of Keren Registration Method. Sixth International Conference on Intelligent Systems Design and Applications (ISDA'06) isda. vol. 2. hal [5] Fadlisyah Computer Vision dan Pengolahan Citra. Yogyakarta : CV. ANDI OFFSET. [6] Frederick W. Wheeler, Ralph T. Hoctor, Eamon B. Barrett Super-Resolution Image Synthesis using Projections onto Convex Sets in the Frequency Domain. IS&T/SPIE Symposium on Electronic Imaging, Conference on Computational Imaging. Vol San Jose. hal , January. [7] Gevrekci, M, Gunturk, B.K Image acquisition modeling for super-resolution reconstruction. IEEE International Conference on Image Processing, Volume 3. [8] Gonzales, R.C., Woods, Richard E Digital Image Processing. New Jersey: Prentice Hall.