ESTIMASI LOCAL MOTION MENGGUNAKAN ALGORITMA PENCARIAN FOUR STEP. Rosida Vivin Nahari 1*, Riza Alfita 2 2 1,2

Transkripsi

1 Simposium Nasional Teknologi Terapan (SNTT) ISSN:339-08X ESTIMASI LOCAL MOTION MENGGUNAKAN ALGORITMA PENCARIAN FOUR STEP Rosida Vivin Nahari 1*, Riza Alfita 1, Fakultas Teknik, Universitas Trunojoyo Jl. Raya Telang Po.Box.0, Bangkalan, Jawa Timur * rosida_vn@yahoo.com Abstrak Pada estimasi berbasis blok, suatu pola pencarian dengan perbedaan bentuk dan ukuran dapat mempengaruhi kecepatan pencarian dan kinerja distorsi. Pola pencarian berbentuk bujur sangkar sudah dikenal dan banyak digunakan untuk algoritma pencarian. Pengembangan dari bentuk bujur sangkar menjadi Four Step ditujukan untuk mempercepat proses estimasi local motion. Pola pencarian menggunakan bentuk Four Step terdiri dari 6 titik pencarian ditambah titik tengah dan dilanjutkan pencarian ke dalam dengan bentuk diamond kecil yang terdiri dari 5 titik. Analisa perbandingan kecepatan dan kualitas hasil estimasi local motion antara exhaustive Block Matching Algorithm () dengan Four Step BMA menunjukkan bahwa waktu komputasi Four Step BMA jauh lebih rendah dibandingkan. Kata kunci:, four step search, motion estimation 1. PENDAHULUAN informasi motion dapat digunakan untuk setiap proses pengolahan citra. Perhitungan vektor motion D merupakan tugas yang sulit karena menggunakan beberapa asumsi. Setiap teknik estimasi motion mengasumsikan kriteria gambar tertentu untuk menjadi benar, dan efisiensi metode untuk analisis motion dan segmentasi motion tergantung pada nilai kebenaran asumsi-asumsi ini dan seberapa baik algoritma ini cocok untuk semua asumsi-asumsi sehingga menjadi kerangka kerja yang tepat Estimasi motion berbasis blok merupakan hal yang sangat vital dalam berbagai teknik kompensasi motion atau standarisasi video coding seperti ISO MPEG dan ITU-T [1]-[4]. Estimasi motion bertujuan mengeksplorasi temporal redundancy yang sangat kuat diantara frame. Metode block-matching mencoba menemukan suatu blok dari frame referensi (frame sebelum atau sesudahnya) yang memiliki nilai match terbaik dengan frame saat ini dengan cara membagi frame saat ini menjadi blok segi empat. Pencocokan dilakukan dengan mencari nilai minimal pencocokan menggunakan Sum of Absolute Difference (SAD) yaitu jumlah absolute error / perbedaan dari pasangan blok tersebut. Blok di frame referensi berpindah dalam satu window search yang berpusat di posisi blok frame saat ini. Perbedaan antara Blok saat ini dengan blok referensiyang paling cocok pada arah x dan y dikomposisikan menjadi motion vector. Motion vector mengindikasikan perpindahan suatu piksel atau sebuah blok piksel dari lokasi saat ini akibat adanya gerakan.informasi motion digunakan pada computer vision dalam mencari blok matching terbaik dalam anchor frame untuk menghitung residu energi rendah yang digunakan dalam konversi scan rate sehingga dapat menghasilkan frame interpolasi temporal. Beberapa jenis algoritma estimasi motion dengan membagi gambar menjadi blok untuk proses matching (block matching algorithm) diantaranya adalah: Algoritma full search block matching Algoritma fast Search block matching Pada algoritma full search atau exhaustive block matching algorithm, blok pada anchor frame dibandingkan ke seluruh kemungkinan blok yang bisa ditemukan dengan menentukan terlebih dahulu area pencarian di target frame. Metode estimasi local motion dengan pola pencarian Exhaustive Block Matching Algorithm akan dibahas pada bagian II termasuk kinerjanya. Bagian III menjelaskan metode pola pencarian berbasis Four Step dan kemudian dianalisa perbandingannya dengan. Bagian IV menjelaskan hasil penelitian. Bagian V adalah kesimpulan dan saran pengembangan sistem. 99

2 Simposium Nasional Teknologi Terapan (SNTT) ISSN:339-08X. EXHAUSTIVE BLOCK MATCHING ALGORITHM Exhaustive Block Matching Algorithm merupakan metode estimasi block matching algorithm secara full search. Gambar 1 menunjukkan estimasi motion dari blok piksel M N berpusat pada (x,y). Tujuannya adalah untuk menemukan nilai pencocokan terbaik atau nilai distorsi blok terkecil antara blok M N di dalam frame k (frame saat ini) dan blok korespondennya di frame (k-1) (frame M m N n sebagai search window di sebelumnya) dalam suatu area dengan ukuran frame sebelumnya. Kisaran dari motion vector dibatasi oleh search window ini. Block Matching Algorithm mengabaikan motion rotasi dan berasumsi bahwa semua piksel pada blok M N adalah motion yang sama. 1 Gambar 1. Estimasi motion berbasis blok Teknik mencari blok frame saat ini yang paling cocok dari kandidat blok di dalam search window frame sebelumnya. Kandidat dengan nilai match terbaik dipilih sebagai motion vector yang sudah terestimasi. Kelemahan dari adalah membutuhkan waktu komputasi yang sangat tinggi Pengukuran nilai kemiripan antara blok saat ini dan kandidat blok dari frame referensi bisa dilakukan dengan beberapa kriteria pencocokan untuk pencocokan blok diantara dua blok, seperti minimum MSE (Mean Square Error), Minimmum MAD (Mean Absolute Difference) dan minimum SAD (Sum of Absolute Difference). SAD dipilih sebagai teknik pengukuran kemiripan karena memiliki kinerja yang sama dengan lainnya tanpa perlu melakukan perhitungan operasi perkalian. M N j SAD i, X m X (1) m1 n1 Dengan i m j n1, n R mi, n j 300

3 Simposium Nasional Teknologi Terapan (SNTT) ISSN:339-08X Pengukuran distorsi antara blok di frame saat ini dengan blok di frame sebelumnya didefinisikan sebagai berikut: Gambar. Exhaustive Block Matching Algorithm 3. ALGORITMA PENCARIAN FOUR STEP 3.1. Pola Pencarian Berbasis Four Step Mirip dengan Three Step Search, Algoritma estimasi motion dengan pola Four Step Search adalah sebagai berikut: Langkah 1 :dimulai dengan search center dengan lokasi block referensi pada anchor frame. Step size untuk langkah 1 dan langkah, adalah. Langkah :Lalu cari best match dari delapan lokasi di sekitar search center dengan jarak, jadi best candidate untuk langkah pencarian selanjutnya. Lngkah 3 : Step size masih sama yaitu. Lalu cari best match dari delapan lokasi di sekitar search center dengan jarak, jadi best candidate untuk langkah pencarian selanjutnya. Langkah 4:Step size menjadi 1. Best match dari delapan lokasi di sekitar best candidate dari Langkah 4 itulah yang dijadikan pusat blok yang paling cocok dengan blok dengan pusat search centre. Hasil Motion Vector = (-1, -3) Gambar 3. Langkah 1 301

4 Simposium Nasional Teknologi Terapan (SNTT) ISSN:339-08X Gambar 4. Langkah Gambar 5. Langkah 3 Proses di atas diaplikasikan ke setiap blok frame saat ini untuk estimasi block motion. Sesuai prosedur, dapat dengan mudah mendapatkan keseluruhan jumlah poin yang dicek perbloknya: N m x, my 7 3n 4 HEXBS () dengan m, adalah motion vector akhir yang ditemukan, dan n adalah jumlah eksekusi dari langkah. x m y 3.. Analisa Algoritma Pencarian Berbasis Four Step Pencarian berbasis Four Step diuji seberapa banyak jumlah titik pencarian yang digunakan untuk menemukan motion vector. Pada estimasi block motion, kerumitan komputasi bisa diukur dengan jumlah titik pencarian yang dibutuhkan untuk setiap estimasi motion vector. Pengujian awal dilakukan pada stationary motion vector (0,0), quationary motion vector dalam region 1 piksel disekeliling (0,0), dan motion vector dari yang sedang ke yang besar. Penjelasan secara lengkap adalah sebagai berikut: 1. Stationary motion vector algoritma pencarian Four Step mengevaluasi sebanyak 11 titik pencarian.. Motion Vector (-1,0), (0,-1), (+1,0) dan (0,+1) kemungkinan kecil jumlah titik pencarian adalah 11 jika (0,0) dipilih pada tahap awal. Selain itu maka memerlukan 14 block yang dicocokkan jika (0,+) yang dipilih. 3. Mengingat asumsi bahwa minimum global memiliki distorsi monoton dan lebih dekat dengan minimum global semakin kecil distorsi dalam titik tetangganya. Titik yang terdekat dengan (+1,+) akan menang pada tahap pertama untuk Motion vector (+1,+1). Sehingga jumlah titik pencarian adalah 14 (=7+3+4). Meskipun demikian, pada kasus dengan motion vector yang 30

5 Simposium Nasional Teknologi Terapan (SNTT) ISSN:339-08X terdekat selanjutnya, (0,0) dan (+,0) menang di tahap pertama, algoritma pencarian Four Step mungkin hanya menemukan (+1,0) daripada (+1,+1). Permasalahan ini dapat diselesaikan dengan mengecek dua titik tambahan di tahap akhir. Sehingga jika (+1,0) ditemukan sebagai nilai minimum dari tahap akhir algoritma pencarian Four Step, maka dua motion vector (+1,+1) dan (+1,-1) akan dievaluasi sebagai tambahan di tahap akhir. Kasus yang sama untuk motion vector (-1,-1), (-1,+1) dan (+1,-1). Penambahan tahapan ini bisa diaplikasikan ke kasus pengecekan titik daripada titik tengah dari pola diamond yang menang di langkah 3 dari algoritma pencarian Four Step. 4. Algoritma pencarian Four Step akan menggunakan titik pencarian yang lebih sedikit dibandingkan metode sebelumnya untuk motion vector sedang ke besar dengan region melebihi 1 Mulai Frame1, Frame, BlockSize, Search Range Inisialisasi Motion_Vect, Costs SAD Pembentukan pola four stepsearch Hitung Cost SAD setiap point di LHSP Cost min(sad) Di point tengah? Ya Hitung Cost SAD setiap point Di SHSP Tidak Next Point Cari Cost Min(SAD) Simpan Motion Vector Selesai Gambar 6. Flowchart algoritma pencarian Four Step 3.3. Perhitungan MSE dan PSNR Pengukuran kesalahan atau error dalam proses estimasi motion menggunakan dua parameter yaitu Mean Square Error (MSE) dan Peak Signal to Noise Ratio (PSNR). MSE merupakan ukuran yang baik untuk mengukur kesamaan buah gambar. Contoh implementasi MSE dan PSNR adalah sebagai berikut: 303

6 Simposium Nasional Teknologi Terapan (SNTT) ISSN:339-08X 1. MSE Pengujian dilakukan pada buah gambar yaitu gambar f dan gambar g dengan dimensi yang sama besar M x N, maka MSE antara keduanya didefinisikan dengan persamaan: 1 MSE M N M N i 1 j 1, j f i g i, j Semakin besar nilai MSE, maka semakin besar perbedaan antara buah citra yang dibandingkan. (3). PSNR Pengujian dilakukan untuk gambar grayscale 8-bit f dan gambar grayscale 8-bit g dengan dimensi yang sama, PSNR keduanya didefinisikan oleh: 55 PSNR 10 log 10 (4) MSE Contoh perhitungan PSNR : input sebuah citra berukuran 3x3 dengan matriks intensitas (warna) sebagai berikut: Citra awal Diproses dengan menggunakan metode sehingga menghasilkan citra baru: a. menghitung MSE 1 m 1 1 n Pr mn i0 j0 edictframe i, j Frame i j n n1, MSE MSE ,55 3x3 Sehingga didapatkan nilai PSNR: PSNR 10 log 10 MAX MSE I 304

7 Simposium Nasional Teknologi Terapan (SNTT) ISSN:339-08X Karena nilai max adalah 7 maka : PSNR 10 log (7) 1, ,5 MAX I 55, Uint(8) jadi nilai intensitas maksimal kedua frame = HASIL PENELITIAN Data penelitian ini menggunakakan video standard coastguard (176 x 144, 0 frame), Stefan (35 x 88, 0 frame). Pengukuran distorsi menggunakan Sum of Absolute Difference (SAD). Ukuran Blok adalah 8 x 8 dan jangkauan search window adalah [7,7], [-7,-7]. Contoh gambar input frame 99 sebagai frame referensi dan frame ke 98 sebagai frame sebelumnya untuk proses estimasi motion ditunjukkan pada gambar 7 dan 8. Gambar 7. Input frame ke-98 Gambar 8. Input frame ke-99 Gambar 9. Hasil Motion Vector Gambar 10. Prediksi frame Hasil motion compensation dari estimasi motion vector ditunjukkan pada gambar 10. Pengukuran kinerja teknik estimasi berupa perbandingan nilai PSNR dari prediksi frame dan error frame dari keseluruhan data. Sedangkan perbedaan waktu komputasi antara teknik dengan teknik Four Step yang juga sangat jauh. 305

8 Simposium Nasional Teknologi Terapan (SNTT) ISSN:339-08X Gambar 11. Error Frame 5. KESIMPULAN Algoritma pencarian berbasis Four Step rata-rata menghasilkan motion vector dengan nilai PSNR sebesar 6,77 sedangkan nilai rata-rata PSNR dari teknik sebesar 6,4. Waktu komputasi rata-rata yang dibutuhkan algoritma pencarian dengan Four Step adalah,3 detik. Sedangkan teknik rata-rata membutuhkan waktu yang sangat lama yaitu 78,50 detik. Sehingga untuk estimasi local motion terutama untuk video coding teknik Four Step terbukti sangat efektif dan efisien jika dibandingkan dengan teknik. DAFTAR PUSTAKA Information Technology Coding of Moving Pictures and Associated Audio for Digital Storage Media at up to About 1.5 Mbit/s: Video, ISO/IEC (MPEG-1 Video), [Information Technology Generic Coding of Moving Pictures and Associated Audio Information: Video, ISO/IEC ITU-T Rec. H.6 (MPEG- Video), Standardization Sector of ITU, Video Coding for Low Bitrate Communication, ITU-T Rec. H.63, Mar Information Technology Generic Coding of Audio-Visual Objects Part : Visual, ISO/IEC (MPEG-4 Video), Y.G.Wu, G.F.Huang.Motion vector generation for video coding by gray prediction. IET Comput. Vis., 011, Vol. 5, Iss. 1, pp. 14 MANNING, C. Block matching algorithms for motion compensated video compression. Master s thesis, National University of Ireland,