RESTORASI CITRA DENGAN METODE ITERATIF BERDASARKAN BAYESIAN GAUSS-MARKOV LINEAR MODEL DENGAN ALGORITMA GLOBAL GMRES
|
|
- Ari Wibowo
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PRESENTASI TUGAS AKHIR KI RESTORASI CITRA DENGAN METODE ITERATIF BERDASARKAN BAYESIAN GAUSS-MARKOV LINEAR MODEL DENGAN ALGORITMA GLOBAL GMRES Penyusun Tugas Akhir : Alfa Masjita Rahmat (NRP ) Dosen Pembimbing : Yudhi Purwananto, S.Kom, M.Kom. Rully Soelaiman, S.Kom, M.Kom. 04 Februari 2010 Tugas Akhir KI
2 PRESENTASI TUGAS AKHIR CI 1599 RESTORASI CITRA DENGAN MENGGUNAKAN METODE ITERATIF LANCZOS HYBRID REGULARIZATION Penyusun Tugas Akhir : Alfa Masjita Rahmat (NRP ) Dosen Pembimbing : Yudhi Purwananto, S.Kom, M.Kom. Rully Soelaiman, S.Kom, M.Kom. 04 Februari 2010 Tugas Akhir KI
3 LATAR BELAKANG (1) Dalam proses pengiriman citra digital, baik melalui satelit maupun media yang lain akan mengalami gangguan dari luar, yang berupa blur atau noise, sehingga menyebabkan kualitas citra yang diterima menjadi turun dibandingkan dengan citra aslinya. Restorasi citra merupakan sebuah proses untuk memperbaiki atau merekonstruksi citra yang sebelumnya terdegradasi sehingga dapat menyerupai citra aslinya. 04 Februari 2010 Tugas Akhir KI
4 LATAR BELAKANG (2) Digunakan sebuah pendekatan baru, yaitu pendekatan iteratif terhadap permasalahan restorasi citra yang seringkali dijumpai. Salah satu metode yang digunakan untuk permasalahan tersebut adalah Metode Iteratif dengan Menggunakan Lanczos Hybrid Regularization. 04 Februari 2010 Tugas Akhir KI
5 TUJUAN Tujuan dari pembuatan tugas akhir ini adalah untuk mengimplementasikan proses restorasi citra dengan menggunakan metode iteratif Lanczos Hybrid Regularization sehingga diharapkan dapat menghasilkan citra yang lebih optimal dan efektif dari metode pembanding yang lain. 04 Februari 2010 Tugas Akhir KI
6 PROSES DEGRADASI CITRA MODEL REKONSTRUKSI CITRA Citra yang terdegradasi adalah citra yang terpengaruh oleh blur dan noise. Proses degradasid citra dapat direpresentasikan ik sebagai berikut : ( i, j) ( f h)( i j) + v( i j) g *,, = (1) Dimana : g adalah citra terdegradasi, f adalah citra asal, h adalah PSF dan v adalah noise aditif. Operator * adalah konvolusi dan (i,j) merupakan representasi pixel citra. 04 Februari 2010 Tugas Akhir KI
7 MODEL REKONSTRUKSI CITRA PROSES DEGRADASI CITRA (2) Point Spread Function (PSF) merupakan suatu fungsi matematis yang menggambarkan proses blurring pada citra, seperti pengaruh suatu titik pusat cahaya terhadap titik yang lain. Pada Tugas Akhir ini, PSF yang menyebabkan efek blur tertentu telah diketahui sebelumnya. Misalnya : efek blur yang disebabkan oleh athmospheric turbulence blur yaitu Gaussian PSF. * = Citra Awal Gaussian PSF Citra Blur 04 Februari 2010 Tugas Akhir KI
8 MODEL REKONSTRUKSI CITRA PROSES DEGRADASI CITRA (3) PSF yang bersifat spatially invariant adalah hasil citra blurnya tidak bergantung dari posisi citra, sehingga blur yang dihasilkan terlihat sama tanpa memperhatikan letak posisi pada citranya. Model diskrit dari proses degradasi citra dengan PSF yang bersifat spatially invariant dapat dinyatakan dalam Fourier space sebagai berikut : g = H. f + n (2) dimana f, g dan n merupakan vektor dari matrix asalnya yaitu : Fcitra ct asli, G citra ct terdegradasi, Nnoise oseaditif dan Hadalahblurring matrix 04 Februari 2010 Tugas Akhir KI
9 PENDEKATAN ITERATIF MODEL REKONSTRUKSI CITRA Metode iteratif akan menyelesaikan sistem persamaan linear dengan cara mencari nilai aproksimasi dari solusi secara berulang-ulang. Sistem linear pada large-scale inverse problem sering direpresentasikan sebagai berikut : b = Ax + n (3) Dimana A є R mxn, b є R m dan x є R n Vektor n є R m merepresentasikan gangguan pada data (unknown perturbations) danmatrixa bersifat ill-conditioned 04 Februari 2010 Tugas Akhir KI
10 PENDEKATAN ITERATIF (2) MODEL REKONSTRUKSI CITRA Permasalahan tersebut seringkali disebut sebagai illposed problem, dimana gangguan pada data (dalam hal ini, noise) dapat memberikan pengaruh error yang signifikan pada saat proses perhitungan aproksimasi dari x. Persamaan (3) sering digunakan pada beberapa permodelan aplikasi, seperti rekonstruksi citra dan restorasi citra dan lainnya. Dibutuhkan penyelesaian secara iteratif pada pada permasalahan tersebut karena bersifat large-scale dan ill-posed problem 04 Februari 2010 Tugas Akhir KI
11 METODE RESTORASI CITRA LANCZOS HYBRID REGULARIZATION Metode ini menggabungkan dua metode yang berperan penting dalam menyelesaikan large scale ill- posed problem, antara lain : Metode Iteratif Lanczos Bidiagonalization dan Teknik regularisasi Tikhonov dengan Weighted GCV sebagai metode pemilihan parameter regularisasi. Dasar penggabungan kedua metode tersebut yaitu : Memproyeksikan permasalahan ill-posed berskala besar pada Krylov Subspace dengan dimensi yang lebih kecil Kemudian permasalahan ill-posed dari hasil proyeksi tersebut bisa diselesaikan dengan mudah melalui teknik regularisasi 04 Februari 2010 Tugas Akhir KI
12 METODE RESTORASI CITRA LANCZOS HYBRID REGULARIZATION (2) Berikut ini gambaran model sistem restorasi citra dengan metode iteratif lanczos hybrid regularization secara umum : Permasalahan restorasi citra large scale ill-posed Penyelesaian secara iteratif dan proyeksi Krylov Subspace dengan Lanczos Bidiaogonalization Perancangan sistem dan uji coba -Projected Least Square ill-posed problem. -Matrix Bidigonal B k -f λ sebagai solusi projected ill-posed problem -X k sebagai hasil proses restorasi Penyelesaian ill-posed problem dari hasil proyeksi, dengan regularisasi tikhonov Perhitungan nilai aproksimasi x tidak Stop atau Konvergen? Selesai ya Penentuan Stopping Kriteria dan konvergensi hasil -Stopping Criteria 04 Februari 2010 Tugas Akhir KI
13 LANCZOS BIDIAGONALIZATION METODE RESTORASI CITRA Metode ini adalah metode iteratif yang digunakan untuk menyelesaikan permasalahan large scale. Dengan menggunakan proyeksi ki pada Krylov Subspace, dengan properti orthonormality, akan dihasilkan urutan vektor Lanczos w k dan y k, serta bilangan α dan β dari matrix A berukuran m x n. Dengan vektor lanczos yang bersifat orthonormal, maka : W k m ( k +1) ( w1, w2 w + 1 ) R n k ( y y y ) R + 1 =,..., k Y k = 1, 2,..., k (4) (5) 04 Februari 2010 Tugas Akhir KI
14 METODE RESTORASI CITRA LANCZOS BIDIAGONALIZATION (2) Pada iterasi ke-k dari Lanczos Bidiagonalization akan terbentuk matrix bidiagonal Bk sebagai berikut : Bk α 1 β 2 α 2 = β3 +1 O (6) O α k β k Konstruksi kolom dari matrix W k+1 dan Y k akan memenuhi kondisi recurrence sebagai berikut : α y β j j w T = A w j β j y j 11 = Ay α w j+ 1 j+ 1 j j j (8) (7) 04 Februari 2010 Tugas Akhir KI
15 METODE RESTORASI CITRA LANCZOS BIDIAGONALIZATION (3) Dari persamaan (7) dan (8), maka terbentuk representasi dibawah ini : AY 1 = W B (9) k k + 1 k Bila vektor awal adalah b dan kolom pertama dari W k+1 adalah maka b / b ( e ) b W k = β (10) Dimana β adalah b dan e adalah vektor unit 04 Februari 2010 Tugas Akhir KI
16 METODE RESTORASI CITRA LANCZOS BIDIAGONALIZATION (4) Berdasarkan proyeksi pada krylov subspace dan perhitungan matrix B k, W k+1 dan Y k, permasalahan least square pada large scale ill-posed akan menjadi : min x K k A x b = min 2 k AY k f R = min W k k + 1 f R f b Dengan sifat orthogonality pada matrix W k+1, sehingga Lanczos Bidiagonalization akan menyelesaikan projected least square problem : min f R k B k f 2 ( Bk f β1e1 ) 2 β e (11) (12) 04 Februari 2010 Tugas Akhir KI
17 REGULARISASI TIKHONOV METODE RESTORASI CITRA Regularisasi Tikhonov adalah suatu metode yang digunakan untuk menyelesaikan permasalahan ill-posed, yaitu seperti persamaan (12) : min f R k B k f β e Dengan menggunakan Singular Value Decomposition (SVD) dari B k, maka nilai f adalah : u i dan v i : vektor singular kiri dan kanan matrix B k σ i : nilai singular dari matrix B k f λ Φ = i = k i= 1 Φ i u T i 2 σ i 2 2 σ i + λ 1 1 i 2 ( β e σ 1 ) v [ 0,1] i (13) (14) 04 Februari 2010 Tugas Akhir KI
18 Weighted GCV METODE RESTORASI CITRA Parameter regularisasi (λ) mempunyai pengaruh yang besar pada teknik regularisasi tikhonov, sehingga pemilihannya harus dilakukan secara tepat. Dengan menggunakan SVD dari matrix Bk maka nilai λ didapatkan dengan menghitung fungsi Weighted GCV dibawah ini : G Nilai ω harus diketahui dahulu ( ω, λ) = k i= 1 n k i= 1 λ σ T u e i β 2 σ + λ i λ 1 2 ( T u. β. e ) i + ( 1 ω) i λ σ i λ + i σ 1 2 (15) 04 Februari 2010 Tugas Akhir KI
19 Weighted GCV (2) METODE RESTORASI CITRA Nilai omega akan dicari dengan menggunakan derivasi dari fungsi W-GCV : [ G( ω, λ) ] λ λ= λ k, opt (16) Namun, pada iterasi i iterasii berikutnya, pencarian nilai ω berdasarkan pendekatan diatas akan gagal, karena nilai σ min (B k ) akan mendekati 0 akibat kondisi ill-conditioning. 04 Februari 2010 Tugas Akhir KI
20 Weighted GCV (3) METODE RESTORASI CITRA Cara pendekatan yang lain untuk mencari omega adalah dengan menggunakan formula berikut ini: { ω ω } ω k mean, 1 2,..., ω k = (17) Berdasarkan pendekatan diatas, bagian yang digunakan masih bersifat well-conditioned. Sehingga hal itu berguna untuk membantu menstabilkan efek dari nilai singular yg kecil. Namun, ada hal lain yang membatasi cara pencarian nilai ω dengan pendekatan diatas yaitu solusinya akan bersifat undersmooth untuk nilai k yang semakin membesar. Oleh karena itu, dibutuhkan stopping criteria yang tepat. 04 Februari 2010 Tugas Akhir KI
21 METODE RESTORASI CITRA REGULARISASI TIKHONOV dengan WGCV Secara umum, alur regularisasi tikhonov dengan Weighted GCV untuk penyelesaian ill-posed problem dari hasil proyeksi Krylov Subspace adalah : Pencarian nilai ω pada fungsi W-GCV Pencarian λ (parameter regularisasi) dengan menghitung fungsi W-GCV Menghitung f λ sebagai hasil penyelesaian ill-posed problem dari hasil proyeksi 04 Februari 2010 Tugas Akhir KI
22 PERHITUNGAN NILAI x Aproksimasi solusi x dari : min x Ax b METODE RESTORASI CITRA Dihitung berdasarkan proyeksi ki pada Krylov Subspace, dimana permasalahan large scale diatas menjadi : min f R B k f β e Dan aproksimasi solusinya adalah: k x Y Dimana f adalah hasil dari regularisasi tikhonov dan Y k adalah matrix hasil dari Lanczos Bidiagonalization f = (18) k k 04 Februari 2010 Tugas Akhir KI
23 STOPPING CRITERIA METODE RESTORASI CITRA Perilaku metode lanczos hybrid regularization yang konvergen saat kondisi ideal juga berdampak pada perilaku konvergensi dari fungsi GVC yaitu G(j, λ k ) pada suatu nilai tertentu. Sehingga, iterasi dapat dihentikan ketika selisih nilai fungsi GCV-nya sangat kecil, seperti formula berikut ini: G ( j, λ k +1 1 ) G ( j, λ k ) G( j, λ ) 1 < tol (19) Namun, pendekatan diatas sangat jarang ditemui pada sebagian besar contoh permasalahan yang ada karena perilaku semi-konvergen dari solusi 04 Februari 2010 Tugas Akhir KI
24 STOPPING CRITERIA (2) METODE RESTORASI CITRA Perilaku semi-konvergen pada solusi tentunya juga berdampak pada nilai fungsi GCV yang mengalami perilaku semi-konvergen Oleh karena itu, kriteria lain untuk pemberhentian iterasi dan fungsi GCV yang digunakan adalah: k0 = arg min G k ( j, λ ) k (20) 04 Februari 2010 Tugas Akhir KI
25 PERANCANGAN SISTEM DATA MASUKAN Data yang dibutuhkan untuk membangkitkan citra terdegradasi (b) yaitu 1. Point Spread Function (PSF) 2. Blurring matrix yang berasal dari PSF (A) 3. Nilaii Peak Signal-To-Noise i Ratio (PSNR) Data input yang dibutuhkan oleh sistem restorasi citraantaralain: 1. Citra yang terdegradasi (b) 2. Blurring matrix yang berasal dari PSF (A) 04 Februari 2010 Tugas Akhir KI
26 PERANCANGAN SISTEM DATA KELUARAN Data keluaran yang dihasilkan oleh sistem : 1. Citra hasil restorasi 2. Nilaii relative error 3. Jumlah iterasi 04 Februari 2010 Tugas Akhir KI
27 UJI COBA DAN ANALISIS SKENARIO UJI COBA Skenario uji coba yang dilakukan adalah: 1. Perubahan parameter blur (contoh : σ pada Gaussian PSF) 2. Variasi nilai PSNR (prosentase noise) pada citra terdegradasi 3. Perubahan dimensi / ukuran citra terdegradasi 4. Uji coba dengan metode pembanding lain (Wiener, Lucy Richardson dan Regularized Filter pada Matlab) 5. Penggunaan preconditioner pada proses restorasi citra dengan metode iteratiftif lanczos hbid hybrid regularization 04 Februari 2010 Tugas Akhir KI
28 The image cannot be displayed. Your computer may not have enough memory to open the image, or the image may have been corrupted. Restart your computer, and then open the file again. If the red x still appears, you may have to delete the image and then insert it again. UJI COBA DAN ANALISIS SKENARIO 1 Perubahan σ pada Gaussian PSF Tabel hasil perbandingan citra hasil terhadap perubahan nilai σ pada citra lena dengan nilai PSNR = 40 db Sigma(σ) Iterasi Error Relatif Analisis hasil : Perubahan nilai σ menyebabkan hasil yang Jumlah berbeda pada iterasitiap tidak citradipengaruhi uji. Semakinsecara besar signifikan nilai sigmanya, oleh perubahan citra akannilai menjadi sigma. semakin Hal itu disebabkan kabur dan pemilihan sehinggastopping sistemcriteria mempunyai hanya berdasarkan keterbatasangrafik dalam GCV. merestorasi citra tersebut. Hal itu terlihat dari nilai error relatif yang dihasilkan oleh citra hasil restorasi. 04 Februari 2010 Tugas Akhir KI
29 UJI COBA DAN ANALISIS SKENARIO 2 Variasi PSNR Citra Terdegradasi Berikut ini tabel hasil perbandingan citra hasil terhadap variasi nilai PSNR pada 3 citra uji : Citra Nature PSF-1 PSNR (db) Iterasi Error Relatif Grain PSF Pep - PSF Gaussian(σ=2.5) 25) Kemudian, terjadi penurunan jumlah iterasi yang dihasilkan sesuai dengan Analisis i hasil : Semakin kecil nilai i PSNR maka semakin besar pengaruh noise penurunan nilai PSNR yang digunakan. Hal ini menunjukkan terdapat pengaruh pada citra terdegradasi. Hal ini berpengaruh pada hasil restorasi citra. Terlihat noise pada penyelesaian restorasi citra. Bila nilai PSNR yang digunakan semakin jelas bahwa nilai error relatif pada hasil restorasi pada citra uji dengan nilai PSNR kecil, maka sistem akan segera mendeteksi bentuk perilaku semi konvergen rendah, lebih besar daripada citra uji dengan nilai PSNR yang tinggi. berdasarkan fungsi GCV sehingga iterasii menjadi berkurang 04 Februari 2010 Tugas Akhir KI
30 UJI COBA DAN ANALISIS SKENARIO 3 Perubahan Dimensi Citra Uji Berikut ini adalah tabel hasil perbandingan citra hasil terhadap perubahan dimensi pada 3 citra uji : Citra Dimensi Iterasi Leni PSF-1 PSNR 60 db Grain PSF-2 PSNR = 60 db Lena (σ=3) Gaussian PSF PSNR = 40 db Error Relatif Kriteria Stop 256 x Semi-Konv 192 x Semi-Konv 128 x Flatness 256 x Semi-Konv 192 x Semi-Konv 128 x Semi-Konv x Semi-Konv 192 x Semi-Konv 128 x Semi-Konv Analisis hasil : Seringkali pada permasalahan nyata, hasil restorasi citranya tidak Terdapat pengaruh dimensi terhadap citra terdegradasi. Hal itu terlihat jelas pada akan mengalami bentuk konvergensi. Namun, pada citra uji leni dengan dimensi citra lena dengan dimensi 128 x 128 dengan dimensi lainnya. 128x128 menghasilkan stopping kriteria flatness (selisih nilai fungsi GCVnya telah Noise yang muncul sangat terlihat jelas, meskipun nilai PSNRnya tetap. mendekati 0). 04 Februari 2010 Tugas Akhir KI
31 UJI COBA DAN ANALISIS SKENARIO 4 Uji Coba Metode Pembanding Berikut ini tabel hasil perbandingan citra hasil terhadap metode lucy richardson, wiener dan regularized filter pada 3 citra uji : Citra Lanczos Hybrid Lucy R. Wiener Filter Reg. Filter Iter Error Rel. Error Rel. Error Rel. Error Rel. Leni PSF-1, PSNR 60dB Tire PSF-2, PSNR 40dB Lena GaussianPSF (σ=5), PSNR 55dB Analisis hasil : Restorasi citra dengan menggunakan metode iteratif lanczos hybrid regularization menghasilkan nilai error relatif yang lebih kecil dibandingkan dengan ketiga metode lainnya. Sehingga metode lanczos hybrid menghasilkan hasil yang lebih baik daripada metode wiener filter, lucy richardson, dan regularized filter 04 Februari 2010 Tugas Akhir KI
32 UJI COBA DAN ANALISIS SKENARIO 5 Pengaruh Preconditioner Pada metode iteratif yang menggunakan Krylov subspace, preconditioner dapat digunakan untuk membantu terciptanya perilaku konvergensi solusi yang lebih cepat dari metode iteratif tersebut. Dengan kata lain, preconditioner dapat mengurangi jumlah iterasi yang dibutuhkan untuk mendapatkan hasil yang optimal. Implementasi preconditioner telah disediakan pada Toolbox Matlab 04 Februari 2010 Tugas Akhir KI
33 UJI COBA DAN ANALISIS SKENARIO 5 Pengaruh Preconditioner(2) Berikut ini adalah tabel hasil perbandingan citra hasil terhadap pengaruh preconditioner pada maupun tanpa preconditioner pada lanczos-hybrid regularization berdasarkan 3 citra uji : Citra Hybrid Lanczos Tanpa Preconditioner Preconditioner Krit. Krit. Iter Norm Iter Norm Stop Stop Leni PSF-1 PSNR 60dB Semi-K Flatness Grain PSF-2PSNR 60dB Semi-K Flatness Cameraman (σ=3) Gaussian PSF PSNR 45 db Semi-K Semi-K Tanpa Prec Prec. Peran preconditioner pada metode lanczos hybrid regularization cukup Analisis Pada sebagian hasil : Nilai besarerror permasalahan relatif akibat restorasi pengaruh citrapreconditioner secara iteratif, juga preconditioner cenderung signifikan. Hal ini dapat dilihat pada citra leni dan grain, jumlah iterasi menjadi berubah. mempunyai Hal peran itu semakin yang cukup terlihat signifikan pada dalam percobaan mereduksi citra grain jumlah dan iterasi. leni, Namun, dimana berkurang dengan hasil yang cukup bagus. Namun, pada citra cameraman, citra pada beberapa hasil restorasi kasus, dengan peran preconditioner peran preconditioner masih belum lebihtampak. bagus Misalnya, dibandingkan pada iterasii yang dihasilkanilk dengan preconditioner lebih banyak daripada d tanpa dengan citra uji tanpa cameraman preconditioner. dengan pengaruh Gaussian PSF. preconditioner. 04 Februari 2010 Tugas Akhir KI
34 KESIMPULAN KESIMPULAN DAN SARAN Setelah dilakukan uji coba dan analisis hasil terhadap aplikasi yang telah dibuat maka dapat diambil kesimpulan sebagai berikut: a. Perubahan parameter σ pada Gaussian PSF juga memberikan hasil restorasi citra yang berbeda pula [Uji Coba 1] b. Jumlah iterasi yang dihasilkan oleh lanczos hybrid regularization bergantung pada grafik fungsi GCV yang dipengaruhi oleh perubahan tingkat PSNR dan pengaruh ukuran dimensi pada beberapa permasalahan. [Uji Coba 2 & 3] c. Peran preconditioner pada metode lanczos hybrid regularization sebagian besar dapat mengurangi jumlah iterasi dan mempercepat perilaku konvergensi. [Uji Coba 5] 04 Februari 2010 Tugas Akhir KI
35 KESIMPULAN (2) KESIMPULAN DAN SARAN d. Restorasi citra menggunakan metode iteratifif lanczos hbid hybrid regularization terbukti dapat menjadi salah satu metode alternatif dalam menyelesaikan permasalahan restorasi citra yang terdegradasi oleh blur dengan PSF yang tersedia dan noise aditif secara lebih baik dbandingkan dengan metode lain yang sudah pernah ada. [Uji Coba4] 04 Februari 2010 Tugas Akhir KI
36 SARAN KESIMPULAN DAN SARAN Saran untuk pengembangan lebih lanjut dari tugas akhir ini antara lain: a. Perlu dilakukan uji coba yang lebih mendalam untuk mengetahui efektifitas hasil dengan metode lanczos hybrid regularization. b. Variasi i citra PSF yang digunakan agar lebih diperbanyak untuk memberikan informasi tentang variasi hasil dan tingkat keoptimalan dari metode lanczos-hybrid regularization 04 Februari 2010 Tugas Akhir KI
37 DAFTAR PUSTAKA [1] J. Chung, J.G. Nagy and D.P. O leary. A Weighted GCV Method for Lanczos Hybrid Regularization. Electronic Transactions on Numerical Analysis Vol [2] R.C. Gonzalez and R.E. Woods. Digital Image Processing. Upper Saddle River, NJ.: Prentice Hall, [3] Image Processing Toolbox, The Mathworks Inc. [4] A.K. Jain, Fundamentals of Digital Image Processing, Prentice-Hall, Engelwood Cliffs, NJ, [5] R.M. Larsen, Lanczos Bidiagonalization with Partial Reorthogonalization, Department of Computer Science, University of Aarhus, Februari 2010 Tugas Akhir KI
38
PRESENTASI TUGAS AKHIR KI
PRESENTASI TUGAS AKHIR KI 091031 PENERAPAN METODE PRIMAL DUAL ACTIVE SET UNTUK NON NEGATIVE CONSTRAINED TOTAL VARIATION PADA MASALAH DEBLURRING (Kata kunci: Total Variation,Non-Negative Constrained, Primal
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 terperinciPerlukah Bagi Siswa?
PERENCANAAN KARIR Perlukah Bagi Siswa? Nitya Wismaningsih Fakultas Psikologi Universitas Padjadjaran Pada awalnya kegiatan bimbingan untuk merencanakan karir lebih ke arah pemberian informasi tentang pekerjaan,
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 terperinciANALISIS DAN IMPLEMENTASI METODE STEEPEST DESCENT UNTUK MENGURANGI BLUR PADA CITRA DIGITAL
ANALISIS DAN IMPLEMENTASI METODE STEEPEST DESCENT UNTUK MENGURANGI BLUR PADA CITRA DIGITAL I Gede Adnyana Program Magister (S2) Teknik Elektro, Pascasarjana Universitas Udayana, Denpasar, Bali adnyana.nakkuta@gmail.com
Lebih terperinciPerbandingan Efektivitas Algoritma Blind-Deconvolution, Lucy-Richardson dan Wiener-Filter Pada Restorasi Citra. Charles Aditya /
Perbandingan Efektivitas Algoritma Blind-Deconvolution, Lucy-Richardson dan Wiener-Filter Pada Restorasi Citra Charles Aditya / 0322026 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri
Lebih terperinciJURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 5 NO. 2 SEPTEMBER 2012
RESTORASI CITRA KABUR (BLUR) MENGGUNAKAN ALGORITMA LUCY-RICHARDSON Yeka Hendriyani 1 ABSTRACT Image restoration is the processing technique by finding the cause that damage the, then applying the available
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI091391 SEGMENTASI CITRA MENGGUNAKAN METODE KONTUR AKTIF DENGAN SEGMENTASI LOKAL ATAU GLOBAL SECARA SELEKTIF (Kata kunci: segmentasi citra, kontur aktif, fungsi level set, filter
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 terperinciANALISIS REDUKSI DATA CITRA MENGGUNAKAN METODE DEKOMPOSISI NILAI SINGULAR
ANALISIS REDUKSI DATA CITRA MENGGUNAKAN METODE DEKOMPOSISI NILAI SINGULAR Susan Sulaiman, Suhartati Agoes Jurusan Teknik Elektro Universitas Trisakti Jl. Kyai Tapa no 1, Grogol, Jakarta 11440 susan_sulaiman_2006@yahoo.co.id
Lebih terperinciAPLIKASI DEBLURING (DEBLURRING APPLICATION) MENGGUNAKAN MATLAB DENGAN METODE BLIND DECONVOLUTION
APLIKASI DEBLURING (DEBLURRING APPLICATION) MENGGUNAKAN MATLAB DENGAN METODE BLIND DECONVOLUTION Nama : Nurul Amalia Jurusan : Teknik Informatika Pembimbing : Ricky Agus T., ST., Ssi., MM Latar Belakang
Lebih terperinciRESTORASI CITRA KABUR DENGAN ALGORITMA LUCY-RICHARDSON DAN PERBANDINGANNYA DENGAN PENAPIS WIENER
RESTORASI CITRA KABUR DENGAN ALGORITMA LUCY-RICHARDSON DAN PERBANDINGANNYA DENGAN PENAPIS WIENER Rinaldi Munir Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl. Ganesha 10 Bandung
Lebih terperinciRESTORASI CITRA KABUR DENGAN ALGORITMA LUCY-RICHARDSON DAN PERBANDINGANNYA DENGAN PENAPIS WIENER
RESTORASI CITRA KABUR DENGAN ALGORITMA LUCY-RICHARDSON DAN PERBANDINGANNYA DENGAN PENAPIS WIENER Rinaldi Munir Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl. Ganesha 0 Bandung 403
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 terperinciDAFTAR ISI. KATA PENGANTAR. DAFTAR TABEL. DAFTAR GAMBAR.
ABSTRAK Masalah dalam akustik dapat berupa masalah langsung (direct) maupun tidak langsung (invers). Dikatakan masalah direct apabila tekanan akustik pada sembarang titik di medan akustik (untuk masalah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengertian Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap
Lebih terperinciWatermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital
JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2014) 1-6 1 Watermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital Latifatul Machbubah, Drs. Soetrisno, MI.Komp Jurusan Matematika, Fakultas
Lebih terperinciANALISIS KINERJA METODE LUCY-RICHARDSON DAN BLIND DECONVOLUTION
ANALISIS KINERJA METODE LUCY-RICHARDSON DAN BLIND DECONVOLUTION Dian Eka Apriliyani Jurusan Teknik Informatika, Universitas Gunadarma dyanekaa@gmail.com Abstrak Deblurring merupakan operasi restorasi citra
Lebih terperinciImplementasi Segmentasi Citra dengan Menggunakan Metode Generalized Fuzzy C- Means Clustering Algorithm with Improved Fuzzy Partitions
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-5 1 Implementasi Segmentasi Citra dengan Menggunakan Metode Generalized Fuzzy C- Means Clustering Algorithm with Improved Fuzzy Partitions Ivan Hardiyanto,
Lebih terperinciANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA
ANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA Indrawati Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh-Medan Km. 280 Buketrata-Lhokseumawe
Lebih terperinciRESTORASI CITRA MENGGUNAKAN JARINGAN SARAF TIRUAN (HOPFIELD)
RESTORASI CITRA MENGGUNAKAN JARINGAN SARAF TIRUAN (HOPFIELD) Oleh: Silfia Rifka Staf Pengajar Teknik Elektro Politeknik Negeri Padang ABSTRACT The final goal of restoration is image improvement. In general,
Lebih terperinciPenyusun Tugas Akhir : Ivan Hardiyanto (NRP : ) Dosen Pembimbing : Yudhi Purwananto, S.Kom, M.Kom Rully Soelaiman, S.Kom, M.
PRESENTASI TUGAS AKHIR KI091391 IMPLEMENTASI SEGMENTASI CITRA DENGAN MENGGUNAKAN METODE GENERALIZED FUZZY C- MEANS CLUSTERING ALGORITHM WITH IMPROVED FUZZY PARTITIONS (Kata kunci: Algoritma Fuzzy Clustering,
Lebih terperinciBAB I PENDAHULUAN. teknologi pengolahan citra (image processing) telah banyak dipakai di berbagai
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Citra (image) adalah bidang dalam dwimatra (dua dimensi) (Munir, 2004). Sebagai salah satu komponen multimedia, citra memegang peranan sangat penting sebagai
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini informasi tidak hanya didapatkan dari pesan teks saja namun sebuah gambar atau citra dapat juga mewakilkan sebuah informasi, bahkan sebuah citra memiliki arti
Lebih terperinciMenjelaskan pengertian distribusi binomial, mengidentifikasi eksperimen binomial dan menghitung probabilitas binomial, menghitung ukuran pemusatan
Tujuan Pembelajaran Menjelaskan pengertian distribusi binomial, mengidentifikasi eksperimen binomial dan menghitung probabilitas binomial, menghitung ukuran pemusatan dan penyebaran distribusi binomial
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI091391 OPTIMASI NILAI AMBANG WAVELET BERBASIS LOGIKA FUZZY PADA DENOISING CITRA BERWARNA (Kata kunci: denoising, transformasi wavelet, logika fuzzy, thresholding, median absolute
Lebih terperinciImplementasi Noise Removal Menggunakan Wiener Filter untuk Perbaikan Citra Digital
UNSIKA Syntax Jurnal Informatika Vol. 5 No. 2, 2016, 159-164 159 Implementasi Noise Removal Menggunakan Wiener Filter untuk Perbaikan Citra Digital Nono Heryana 1, Rini Mayasari 2 1,2 Jl. H.S. Ronggowaluyo
Lebih terperinciRESTORASI CITRA BLUR DENGAN ALGORITMA JARINGAN SARAF TIRUAN HOPFIELD
RESTORASI CITRA BLUR DENGAN ALGORITMA JARINGAN SARAF TIRUAN HOPFIELD Herman Maryanto (1) Sri Suwarno (2) Lucia Dwi Krisnawati (3) sswn@ukdw.ac.id krisna@ukdw.ac.id Abstraksi Kebutuhan terhadap citra digital
Lebih terperinciRANCANG BANGUN DAN PERHITUNGAN PERHITUHGAN DAYA PADA MESIN PEMOTONG GELONDONGAN KERUPUK PULI DENGAN PENGGERAK CONVEYOR RANTAI
Presentasi Tugas Akhir RANCANG BANGUN DAN PERHITUNGAN PERHITUHGAN DAYA PADA MESIN PEMOTONG GELONDONGAN KERUPUK PULI DENGAN PENGGERAK CONVEYOR RANTAI Oleh : MOCHAMMAD IRFAN 2108 030 023 Pembimbing : Ir.
Lebih terperinciPERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION
PERBAIKAN CITRA BER-NOISE MENGGUNAKAN SWITCHING MEDIAN FILTER DAN BOUNDARY DISCRIMINATIVE NOISE DETECTION Ahmad Saikhu, Nanik Suciati, Widhiantantri S. Jurusan Teknik Informatika, Fakultas Teknologi Informasi,
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 terperinciLANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital
LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Citra dapat didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y) dimana x dan y merupakan koordinat bidang datar, dan harga fungsi f disetiap
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 terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Citra atau gambar merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Didukung dengan perkembangan zaman
Lebih terperinciOperasi Bertetangga (1)
Operasi Bertetangga () Kartika Firdausy - UAD kartika@ee.uad.ac.id blog.uad.ac.id/kartikaf Setelah mempelajari materi ini, mahasiswa diharapkan mampu: menjelaskan alasan diperlukannya operasi bertetangga
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 terperinciRaden Abi Hanindito¹, -². ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) ANALISIS & IMPLEMENTASI IMAGE DENOISING DENGAN MENGGUNAKAN METODE NORMALSHRINK SEBAGAI WAVELET THRESHOLDING ANALYSIS & IMPLEMENTATION IMAGE DENOISING USING NORMALSHRINK
Lebih terperinciPengurangan Noise pada Citra Menggunakan Optimal Wavelet Selection dengan Kriteria Linear Minimum Mean Square Error (LMMSE)
Pengurangan Noise pada Citra Menggunakan Optimal Wavelet Selection dengan Kriteria Linear Minimum Mean Square Error (LMMSE) Disusun Oleh : Nama : Abner Natanael R Nrp : 0522034 Jurusan Teknik Elektro,
Lebih terperinciBAB IV ANALISA. 4.1 Analisa teknik pengolahan citra
BAB IV ANALISA 4.1 Analisa teknik pengolahan citra Pada proses pengolahan citra ada beberapa teknik lain yang digunakan selain teknik restorasi citra blur untuk memperjelas citra blur, seperti proses grayscale
Lebih terperinciKata Kunci : non-blind watermarking, complex wavelet transform, singular value decomposition.
NON-BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN COMPLEX WAVELET TRANSFORM (CWT) DAN SINGULAR VALUE DECOMPOSITION (SVD) Disusun Oleh : Froni Andrian Sitompul (0822102) Jurusan Teknik Elektro, Fakultas
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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Gangguan pada citra, terutama citra digital dapat disebabkan oleh noise sehingga mengakibatkan penurunan kualitas citra tersebut (Gunara, 2007). Derau atau noise merupakan
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 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 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 terperincig(x, y) = F 1 { f (u, v) F (u, v) k} dimana F 1 (F (u, v)) diselesaikan dengan: f (x, y) = 1 MN M + vy )} M 1 N 1
Fast Fourier Transform (FFT) Dalam rangka meningkatkan blok yang lebih spesifik menggunakan frekuensi dominan, akan dikalikan FFT dari blok jarak, dimana jarak asal adalah: FFT = abs (F (u, v)) = F (u,
Lebih terperinciPEMBUKAAN WILAYAH HUTAN
PEMBUKAAN WILAYAH HUTAN A. PENGERTIAN DAN KONSEP Pembukaan wilayah hutan merupakan kegiatan yang merencanakan dan membuat sarana dan prasarana yang diperlukan dalam rangka mengeluarkan kayu. Prasarana
Lebih terperinciAlgoritma dan Flowchart
Algoritma dan Flowchart HOW TO THINK DASAR PEMROGRAMAN by: Ahmad Syauqi Ahsan Modified : Dian Syafitri Objectives 2 Setelah menyelesaikan bab ini, anda diharapkan dapat: Mengerti tentang algoritma. Membuat
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 terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan
Lebih terperinciAPLIKASI TAPIS LOLOS RENDAH CITRA OPTIK MENGGUNAKAN MATLAB
APLIKASI TAPIS LOLOS RENDAH CITRA OPTIK MENGGUNAKAN MATLAB PUJI LESTARI 41512010061 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA JAKARTA 2016 APLIKASI TAPIS LOLOS RENDAH
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 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 terperinciArnes Sembiring Sekolah Tinggi Teknik Harapan Medan Abstrak
Perbandingan Algoritma Mean Filter, Median Filter dan Wiener Filter pada Aplikasi Restorasi Citra RGB Terdegradasi Impulse Noise Menggunakan The Peak Signal To Noise Ratio (PSNR) Arnes Sembiring Sekolah
Lebih terperinciPERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT)
PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT) ABSTRAK Silvester Tena Jurusan Teknik Elektro Fakultas Sains dan Teknik, Universitas Nusa Cendana Jl. Adisucipto- Penfui
Lebih terperinciAPLIKASI IMAGE STABILIZER DENGAN METODE UNSHARP MASK
APLIKASI IMAGE STABILIZER DENGAN METODE NSHARP MASK Rudy Adipranata 1), Januar Wijaya, Kartika Gunadi 2) Jurusan Teknik Informatika, Fakultas Teknologi Industri, niversitas Kristen Petra, Surabaya rudya@petra.ac.id
Lebih terperinciRESTORASI CITRA KABUR MENGGUNAKAN ALGORITMA LUCY-RICHARDSON
RESTORASI CITRA KABUR MENGGUNAKAN ALGORITMA LUCY-RICHARDSON SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Jurusan Teknik Informatika Oleh : SUGENG
Lebih terperinciRESTORASI CITRA. Budi s
RESTORASI CITRA Budi s Sumber Noise Setiap gangguan pada citra dinamakan dengan noise Noise bisa terjadi : Pada saat proses capture (pengambilan gambar), ada beberapa gangguan yang mungkin terjadi, seperti
Lebih terperinciSKEMA NUMERIK UNTUK MENYELESAIKAN PERSAMAAN BURGERS MENGGUNAKAN METODE CUBIC B-SPLINE QUASI-INTERPOLANT DAN MULTI-NODE HIGHER ORDER EXPANSIONS
PRESENTASI TUGAS AKHIR KI091391 SKEMA NUMERIK UNTUK MENYELESAIKAN PERSAMAAN BURGERS MENGGUNAKAN METODE CUBIC B-SPLINE QUASI-INTERPOLANT DAN MULTI-NODE HIGHER ORDER EXPANSIONS (Kata kunci:persamaan burgers,
Lebih terperinciMemahami tujuan penggunaan basis data Memahami elemen-elemen Basis Data Mampu mengidentifikasi tabel dan atribut dalam suatu basis data
The image cannot be displayed. Your computer may not have enough memory to open the image, or the image may have been corrupted. Restart your computer, and then open the file again. If the red x still
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 terperinciABSTRAK. PDF created with pdffactory Pro trial version
ABSTRAK Masalah dalam akustik dapat berupa masalah direct maupun inverse. Dikatakan masalah inverse bila tekanan akustik atau potensial kecepatan pada permukaan benda dapat diketahui dengan mengetahui
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 terperinciSRI REDJEKI KALKULUS I
SRI REDJEKI KALKULUS I KLASIFIKASI BILANGAN RIIL n Bilangan yang paling sederhana adalah bilangan asli : n 1, 2, 3, 4, 5,. n n Bilangan asli membentuk himpunan bagian dari klas himpunan bilangan yang lebih
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Citra merupakan hasil representasi atau duplikasi dari sebuah objek ataupun imitasi dari sebuah objek atau benda. Citra memiliki beberapa karateristik yang menjadikan
Lebih terperinciSEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL
SEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL Andi Hendra 1 1 Jurusan Matematika MIPA Universitas Tadulako ABSTRAK Penelitian pengolahan
Lebih terperinciPERBANDINGAN METODE KDDA MENGGUNAKAN KERNEL RBF, KERNEL POLINOMIAL DAN METODE PCA UNTUK PENGENALAN WAJAH AKIBAT VARIASI PENCAHAYAAN ABSTRAK
PERBANDINGAN METODE KDDA MENGGUNAKAN KERNEL RBF, KERNEL POLINOMIAL DAN METODE PCA UNTUK PENGENALAN WAJAH AKIBAT VARIASI PENCAHAYAAN Jurusan Teknik Elektro, Fakultas Teknik Jl. Prof. Drg. Suria Sumantri
Lebih terperinciBAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL
BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL 2.1 Citra Secara harafiah, citra adalah representasi (gambaran), kemiripan, atau imitasi pada bidang dari suatu objek. Ditinjau dari sudut pandang matematis,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Citra adalah gambar bidang dua dimensi yang juga merupakan keluaran data. Artinya suatu data atau informasi tidak hanya direpresentasikan dalam bentuk teks, namun juga
Lebih terperinciRestorasi Image dengan metode Wiener dan Lucy-Richardson
Restorasi Image dengan metode Wiener dan Lucy-Richardson Teknik Elektro - Universitas Muhammadiyah Surakarta Abstrak Setiap image yang dihasilkan oleh optik, electro optical, dan perangkat elektronik lain
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 terperinciBINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC
BINERISASI CITRA DOKUMEN DENGAN FILTERISASI HOMOMORPHIC Naser Jawas STMIK STIKOM BALI naser.jawas@stikom-bali.ac.id Abstrak Binerisasi citra dokumen adalah sebuah langkah awal yang sangat penting dalam
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Citra menurut kamus Webster adalah suatu representasi atau gambaran, kemiripan, atau imitasi dari suatu objek atau benda, contohnya yaitu foto seseorang dari kamera yang
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra (image processing) merupakan proses untuk mengolah pixel-pixel dalam citra digital untuk tujuan tertentu. Beberapa alasan dilakukan pengolahan
Lebih terperinciPENGGUNAAN MATLAB DALAM PENYELESAIAN SISTEM PERSAMAAN LINEAR MENGGUNAKAN JARINGAN HOPFIELD LINEAR ABSTRAK
PENGGUNAAN MATLAB DALAM PENYELESAIAN SISTEM PERSAMAAN LINEAR MENGGUNAKAN JARINGAN HOPFIELD LINEAR Rosihan Ari Yuana Program Studi Pendidikan Matematika Universitas Sebelas Maret ABSTRAK Aplikasi jaringan
Lebih terperinciSEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 )
SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 ) Pramuda Akariusta Cahyan, Muhammad Aswin, Ir., MT., Ali Mustofa, ST., MT. Jurusan
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 terperinciMikroprosessor 2014 Telkom University
Mikroprosessor 2014 Telkom University » PPI adalah modul IO paralel yang dapat digunakan untuk operasi IO dengan teknik Programmed IO dan Interrupt driven IO. » Bagian sebelah kanan dari blok di atas
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 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 terperinciMETODE PENELITIAN Waktu dan Tempat Penelitian Bahan dan Alat Metode Penelitian Rancangan Percobaan
METODE PENELITIAN Waktu dan Tempat Penelitian Penelitian dilakukan pada bulan April sampai Oktober 2010 bertempat di Laboratorium Konservasi Tanah dan Air, Departemen Ilmu Tanah dan Sumberdaya Lahan, Fakultas
Lebih terperinciBAB III METODE PENELITIAN. ada beberapa cara yang telah dilakukan, antara lain : akan digunakan untuk melakukan pengolahan citra.
BAB III METODE PENELITIAN Untuk pengumpulan data yang diperlukan dalam melaksanakan tugas akhir, ada beberapa cara yang telah dilakukan, antara lain : 1. Studi Kepustakaan Studi kepustakaan berupa pencarian
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI091391 IMPLEMENTASI KD-TREE K-MEANS CLUSTERING PADA KLASTERISASI DOKUMEN (Kata kunci: KD-Tree K-Means Clustering, Klasterisasi Dokumen, K- Dimensional Tree, K-Means Clustering)
Lebih terperinciAnalisis Reduksi Model pada Sistem Linier Waktu Diskrit
JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (216) 2337-352 (231-928X Print) A-25 Analisis Reduksi Model pada Sistem Linier Waktu Diskrit Yunita Indriana Sari dan Didik Khusnul Arif Jurusan Matematika, Fakultas
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 terperinciPENGARUH PERUBAHAN RANK MATRIK TERHADAP KUALITAS CITRA PADA KOMPRESI CITRA METODE SINGULAR VALUE DECOMPOSITION (SVD)
PENGARUH PERUBAHAN RANK MATRIK TERHADAP KUALITAS CITRA PADA KOMPRESI CITRA METODE SINGULAR VALUE DECOMPOSITION (SVD) Abstrak Bakti Otrayigus¹, T.Sutojo,Ssi., M.Kom² Program Studi S1 Teknik Informatika
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Citra merupakan suatu kemiripan, atau imitasi dari suatu objek atau benda. Citra memiliki beberapa karakteristik yang mengandung suatu infomasi. Citra yang bagus dapat
Lebih terperinciPENGGUNAAN latar belakang dalam proses pembuatan VIDEO COMPOSITING MENGGUNAKAN POISSON BLENDING. Saiful Yahya, Mochamad Hariadi, and Ahmad Zaini,
1 VIDEO COMPOSITING MENGGUNAKAN POISSON BLENDING Saiful Yahya, Mochamad Hariadi, and Ahmad Zaini, Abstrak Penggunaan gradasi yang halus pada penggabungan dua video pada proses video kompositing. Video
Lebih terperinciREDUKSI RANK PADA MATRIKS-MATRIKS TERTENTU
J. Math. and Its Appl. ISSN: 89-65X Vol. 4, No., November 7, 8 REDUKSI RANK PADA MATRIKS-MATRIKS TERTENTU Erna Apriliani, Bandung Arry Sanjoyo Jurusan Matematika FMIPA Institut Teknologi Sepuluh Nopember,
Lebih terperinciReduksi Rank pada Matriks-Matriks Tertentu
Reduksi Rank pada Matriks-Matriks Tertentu E. Apriliani, B. Ari Sanjaya September 6, 7 Abstract. Dekomposisi nilai singular (Singular Value Decomposition - SVD) adalah suatu metode untuk menuliskan suatu
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 terperinciFUZZY-NEURO LEARNING VECTOR QUANTIZATION (FNLVQ)
BAB 2 FUZZY-NEURO LEARNING VECTOR QUANTIZATION (FNLVQ) Bab ini akan menjelaskan algoritma pembelajaran FNLVQ konvensional yang dipelajari dari berbagai sumber referensi. Pada bab ini dijelaskan pula eksperimen
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini citra digital sedang menjadi trend di kalangan masyarakat, apalagi dengan semakin berkembangnya teknologi digital serta makin murahnya harga perangkat yang
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Citra merupakan hasil representasi atau duplikasi dari sebuah objek ataupun merupakan imitasi dari sebuah objek atau benda. Citra memiliki beberapa karakteristik yang
Lebih terperinciIMPLEMENTASI ALGORITME HIGH PASS FILTER PADA FPGA MENGGUNAKAN PROSESOR NIOS II
IMPLEMENTASI ALGORITME HIGH PASS FILTER PADA FPGA MENGGUNAKAN PROSESOR NIOS II Kunnu Purwanto 1), Agus Bejo 2), Addin Suwastono 3) 1),2),3 ) Departemen Teknik Elektro dan Teknologi Informasi Fakultas Teknik
Lebih terperinciMATRIKS IDENTIFIKASI PERMASALAHAN DAN ALTERNATIF PEMECAHAN MASALAH LALU LINTAS DI KOTA BEKASI
MATRIKS IDENTIFIKASI PERMASALAHAN DAN ALTERNATIF PEMECAHAN MASALAH LALU LINTAS DI KOTA BEKASI NO LOKASI PERMASALAHAN ALTERNATIF PEMECAHAN UPAYA YANG TELAH DILAKUKAN TINDAK LANJUT 1 PERSIMPANGAN SUMIR a.
Lebih terperinciKOMPETENSI, SERTIFIKASI DAN AKREDITASI PERPUSTAKAAN. The Power of PowerPoint thepopp.com 1
KOMPETENSI, SERTIFIKASI DAN AKREDITASI PERPUSTAKAAN. The Power of PowerPoint thepopp.com 1 KONDISI FAKTOR KUNCI PERUBAHAN LINGKUNGAN STRATEGIS 1. Pasar kerja menurun 2. Teknologi berkembang sangat cepat
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang
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 terperinciIMPLEMENTASI ORDER-STATISTIC FILTERS UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL
IMPLEMENTASI ORDER-STATISTIC FILTERS UNTUK MEREDUKSI NOISE PADA CITRA DIGITAL SKRIPSI JUNI SANTO SIHOTANG 091401017 PROGRAM STUDI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS
Lebih terperinci