LOGO PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT. Tulus Sepdianto

Transkripsi

1 LOGO PEMBERIAN TANDA AIR MENGGUNAKAN TEKNIK KUANTISASI RATA-RATA DENGAN DOMAIN TRANSFORMASI WAVELET DISKRIT Tulus Sepdianto

2 PENDAHULUAN Latar Belakang Penggunaan internet secara global Distribusi (upload dan download) file gambar Penggunaan file gambar secara ilegal Kerugian bagi pencipta file gambar

3 PENDAHULUAN Latar Belakang Melindungi file gambar Menanamkan identifikasi kepemilikan WATERMARKING Teknik Kuantisasi Rata-rata

4 . PENDAHULUAN Rumusan Masalah Bagaimana menanamkan citra watermark ke dalam citra asli menggunakan teknik kuantisasi rata-rata. Bagaimana mengekstraksi watermark yang telah disisipkan pada citra ter-watermark tanpa menggunakan citra asli menggunakan teknik kuantisasi rata-rata. Bagaimana mengimplementasikan watermarking pada citra digital dengan teknik kuantisasi rata-rata pada bahasa pemrograman Matlab R2009a.

5 . PENDAHULUAN Batasan Masalah Citra Host H yang akan diproses berupa citra RGB, bertipe bitmap berukuran M M. Citra Watermark W yang digunakan adalah citra biner bertipe bitmap berukuran N N, dengan Gangguan (attack) yang akan diberikan pada citra terwatermark adalah penambahan Gaussian noise.

6 . PENDAHULUAN Tujuan dan Manfaat Tujuan dari Tugas Akhir ini membuat program watermarking pada citra digital dengan menggunakan metode Kuantisasi Rata-rata dengan domain transformasi menggunakan DWT, yang bersifat tidak tampak dan tahan terhadap gangguan. Manfaat dari tugas akhir ini adalah: Memberikan informasi pada pihak yang ingin mengembangkan teknik watermarking pada citra digital menggunakan Metode Kuantisasi Ratarata. Dapat digunakan sebagai referensi untuk penelitian pada sistem keamanan data digital selanjutnya. Metode watermarking dalam Tugas Akhir ini sebagai metode alternatif sistem pengamanan citra digital.

7 Citra Digital Citra digital merupakan citra yang tersusun dari piksel diskrit dari tingkat kecerahan dan warna yang telah terkuantisasi yang merupakan sebuah representasi dari citra asal yang bersifat analog. 1.Sampling merupakan proses pengambilan nilai diskrit koordinat ruang (x, y) dengan melewatkan citra melalui grid (celah). 2.Kuantisasi merupakan proses pengelompokkan nilai tingkat keabuan citra kontinu kedalam G level dimana G dinyatakan dengan suatu harga bilangan bulat (integer). G : derajat keabuan m : bilangan bulat positif

8 Citra Digital

9 Ruang Warna Sistem ruang warna RGB merupakan sistem ruang warna dasar, diperkenalkan oleh National Television System Committee (NTSC). Setiap warna akan diwakili oleh tiga buah nilai dalam koordinat tersebut yang menyatakan komponen warna RGB, sebagai misal warna merah akan diwakili oleh titik (255,0,0).

10 Ruang Warna Ruang warna YCbCr disebut juga ruang warna CCIR 601 (International Radio Consultative Committe). Model warna YCbCr memisahkan nilai RGB menjadi informasi luminance dan chrominance. Model warna lain yang mirip dengan YCbCr adalah YUV dan YIQ, perbedaannya terletak bahwa YCbCr adalah sistem warna digital sedangkan yang lain adalah sistem warna analog.

11 Digital Image Watermarking Watermarking adalah suatu cara penyembunyian atau penanaman data/informasi tertentu kedalam suatu data digital (image) lainnya, tetapi tidak diketahui kehadirannya oleh indera manusia dan mampu menghadapi proses-proses pengolahan sinyal digital sampai pada tahap tertentu.

12 Koefisien Korelasi Koefisien korelasi merupakan satu proses yang harus ada pada saat mengekstraksi watermark. Koefisien korelasi menggambarkan hubungan keterikatan antara citra watermark dan estimasi citra watermark hasil ekstraksi. 0 menggambarkan tidak ada hubungan antara citra watermark dan estimasi citra watermark hasil ekstraksi dan 1 menggambarkan hubungan yang identik antara keduanya.

13 . KAJIAN PUSTAKA MSE dan PSNR Mean Square Error (MSE) dan Peak Signal to Noise Ratio (PSNR) adalah dua ukuran kesalahan yang digunakan untuk membandingkan kualitas dua citra. MSE merupakan kuadrat kesalahan kumulatif antara dua citra, sedangkan PSNR merupakan ukuran dari kesalahan puncak. Semakin rendah nilai MSE, semakin rendah kesalahan. dengan m dan n adalah jumlah baris dan kolom dalam citra masukan masingmasing. adalah fluktuasi maksimum dalam jenis input data citra dengan nilai, dimana B kedalaman bit dari citra masukan. Misal untuk citra 8-bit nilai dari

14 Transformasi Wavelet Dasar dari DWT dimulai pada tahun 1976 dimana teknik untuk mendekomposisi sinyal waktu diskrit ditemukan [5]. DWT dari fungsi f(x,y) dengan ukuran M x N adalah [2] dimana dan pada adalah fungsi skala dan fungsi basis peubah yang didefinisikan

15 Transformasi Wavelet dan indeks i adalah superscript yang mengasumsikan nilai H,V, dan D pada persamaan Dan berikut ini adalah persamaan invers dari DWT :

16 Transformasi Wavelet H(ω) = Lowpass Filter G(ω) = Highpass Filter

17 Matriks Transformasi Wavelet Haar Diskrit : KAJIAN PUSTAKA Transformasi Wavelet W = Koefisien-koefisien fungsi penskalaan: h 0 = h 1 = Koefisien-koefisien fungsi Basis Peubah: g 0 = g 1 =

18 Transformasi Wavelet Transformasi Haar 2-D dari Matriks A adalah B = W.A.W T

19 Dan berikut Matriks Invers Transformasi Haar, W -1 : Transformasi Wavelet Invers Transformasi Haar 2-D dari Matriks B adalah A = W -1.B.(W -1 ) T

20 Just Noticeable Distortion JND model memberikan nilai untuk masing-masing koefisien wavelet yang mengkuantifikasi distorsi maksimum yang dapat diterapkan pada koefisien tersebut agar tidak mempengaruhi kualitas gambar. Visibilitas noise di suatu gambar tergantung pada dua faktor utama[1]: Luminance Masking Contrast Masking Dari dua faktor utama di atas, maka nilai JND dapat diperoleh dari persamaan berikut [5]:

21 Just Noticeable Distortion

22 Teknik Kuantisasi Rata-rata(Pelekatan) Kami asumsikan bahwa panjang watermark adalah N W dan terdiri dari unsur himpunan (0,1). Watermark ini dilambangkan dengan W = w 1 w 2... w NW, di mana w i (0,1), i = 1,..., N W. Kami menanamkan watermark ke dalam koefisien wavelet dari citra asli dengan menggunakan sebuah kunci. Kuncinya terdiri dari dua komponen (i) N w dan (ii) n di mana n adalah jumlah koefisien yang digunakan untuk mengkodekan satu bit watermark. Berikut algoritma penanaman watermark yang kami lakukan:

23 Teknik Kuantisasi Rata-rata(Pelekatan) Langkah 1 Hitung DWT dari citra asli. Langkah 2 Untuk i = 1 sampai N W 1. Pilih n koefisien (x i1,..., x in ) dari subband LL. 2. Hitung nilai JND (Just-Noticeable-Distortion) untuk setiap koefisien yang dipilih. 3. Normalsasi koefisien tersebut dengan JND. 4. Hitunglah rata-rata koefisien ternormalisasi: 5. Jika w i = 1 maka dikuantisasikan ke nilai terdekat yang ditunjukkan oleh garis vertikal tebal pada Gambar selain itu dikuantisasikan ke nilai terdekat yang ditunjukkan oleh garis vertikal putus-putus. 6. Untuk Δ adalah jumlah modifikasi pada setelah kuantisasi. Hitunglah 7. Ambil invers dari normalisasi (Langkah 2.3) pada koefisien x ij, j =..., 1, n. Langkah 3 Lakukan invers transformasi wavelet diskrit pada koefisien yang dimodifikasi untuk mendapatkan gambar ter-watermark.

24 Teknik Kuantisasi Rata-rata(Pelekatan) Δ tidak pernah lebih besar dari 1 seperti yang ditunjukkan pada Gambar yaitu jumlah maksimum pada setiap modifikasi koefisien wavelet tidak melampaui nilai JND. Oleh karena itu, sinyal watermark tertanam tidak mempengaruhi kualitas gambar yang terlihat.

25 Teknik Kuantisasi Rata-rata(Ekstraksi) Langkah 1 Hitunglah transformasi wavelet diskrit dari gambar ter-watermark. Langkah 2 Untuk i = 1 sampai N w 1. Pilih n koefisien (x i1,..., x in ) dari subband LL. 2. JND menghitung nilai untuk setiap koefisien yang dipilih. 3. Normalsasi koefisien tersebut dengan JND sehingga modifikasi diijinkan maksimal dinormalisasi koefisien adalah Hitunglah mean koefisien dinormalisasi: 5. Bit watermark W i terekstraksi didapatkan dengan mencari nilai terkuantisasi, yang ditetapkan oleh garis vertikal tebal atau putus-putus pada Gambar, ke dan mengubahnya menjadi nomor biner.

26 Citra Asli DWT KAJIAN PUSTAKA Teknik Kuantisasi Rata-rata Koefisien Wavelet Hitung JND setiap koefisien Citra Terwatermark Normalisasi Koefisien Wavelet menggunakan JND JND Profile DWT Koefisien Ternormalisasi Koefisien Wavelet Hitung JND setiap koefisien Citra Watermark Encoding bit watermark menggunakan teknik kuantisasi rata-rata Normalisasi Koefisien Wavelet menggunakan JND JND Profile Koefisien termodifikasi Koefisien Ternormalisasi Invers Normalisasi IDWT Decoding bit watermark menggunakan teknik kuantisasi rata-rata Citra Terwatermark Estimasi Citra Watermark

27 White Gaussian Noise Penambahan White Gaussian Noise merupakan salah satu metode pembangkitan noise yang akan menghasilkan noise yang berdistribusi normal. g(x,y) = citra setelah diberi noise f(x,y) = citra asli n(x,y) = white Gaussian Noise µ = mean s = standar deviasi U = nilai acak yang terdistribusi normal dengan mean 0 dan variansi 2

28 UJI COBA Uji coba program, dilakukan terhadap citra RGB berukuran piksel sebagai citra host dan citra biner berukuran piksel sebagai citra watermark serta nilai n yang menyatakan banyaknya koefisien wavelet yang digunakan untuk melekatkan satu bit watermark. Lena.jpg Baboon.jpg Watermark.bmp

29 UJI COBA Pelekatan Watermark + No. Citra Host n MSE PSNR Nilai MSE dan PSNR dari Citra Host dan Citra Ter-Watermark Hasil Uji Coba 1. Lena.jpg Lena.jpg Lena.jpg Baboon.jpg Baboon.jpg Baboon.jpg Rata-rata

30 UJI COBA Ekstraksi Watermark + KEY No Citra ter-watermark n Nilai Koefisien Korelasi dari Watermark dan Estimasi Watermark Hasil Uji Coba 1. Lena.jpg Lena.jpg Lena.jpg Baboon.jpg Baboon.jpg Baboon.jpg Rata-rata

31 UJI COBA Penambahan White Gaussian Noise + White Gaussian Noise No. Nilai Variansi Rata-Rata Kualitas Estimasi Watermark hasil ekstraksi dari citra terwatermark yang ter-noise 1. Tanpa penambahan

32 UJI COBA Penambahan White Gaussian Noise + White Gaussian Noise No. Nilai Variansi Rata-Rata Kualitas Estimasi Watermark hasil ekstraksi dari citra terwatermark yang ter-noise 1. Tanpa penambahan

33 KESIMPULAN DAN SARAN Kesimpulan Berdasarkan pembahasan sebelumnya, maka dapat ditarik kesimpulan sebagai berikut: 1. Semakin besar nilai n yang diterapkan semakin kecil eror yang didapat pada saat proses ekstraksi watermark. Namun hal ini berbanding terbalik dengan kualitas citra ter-watermark. Semakin besar nilai n yang diterapkan akan memperbesar penurunan kualitas citra terwatermark. 2. Program watermarking menggunakan metode Kuantisasi Rata-rata dapat mengekstraksi watermark dengan baik tanpa menggunakan citra asli. 3. Watermark yang tertanam pada citra ter-watermark bersifat invisible dan tahan terhadap gangguan berupa Gaussian noise dengan mean 0 dan variansi hingga

34 KESIMPULAN DAN SARAN Saran Berdasarkan pembahasan sebelumnya, saran yang dapat kami berikan dalam pengembangan Tugas Akhir ini antara lain adalah: 1. Citra watermark yang menjadi input dalam program ini adalah citra biner dan diharapkan dalam penelitian selanjutnya dapat menggunakan citra grayscale. 2. Gangguan yang dilakukan terhadap citra ter-watermark berupa Gaussian noise, pada penelitian selanjutnya diharapkan dapat ditambahkan satu proses lagi yaitu denoising sebelum dilakukan proses ekstraksi. 3. Sebagai pengembangan program, dapat dibuat program watermarking pada data digital lainnya misalkan teks, suara, video dan sebagainya.

35 DAFTAR PUSTAKA 1. Chen, Liang-Hua & Lin, Jyh-Jiun Mean Quantization Based Image Watermarking. Taiwan journal of Image and Vision Computing hal Chen, SS; Bermak, A; Yan, W; Martinez, D Adaptive-quantization Digital Image Sensor for Low-power Image Compression. IEEE Transactions on Circuits and System-I: Regular Papers vol Gonzalez, Rafael C Digital Image Processing. Prentice Hall, Upper Saddle River, New Jersey. 4. Pranindya, Yunita Pemberian Tanda Air Pada Citra Digital Menggunakan Metode Tanda Air Dengan Analisis Komponen Bebas Transpose Citra.. Tugas Akhir Jurusan Matematika Institut Teknologi Sepuluh Nopember, Surabaya. 5. Sripathi, Deepika Efficient Implementations of Discrete Wavelet Transform using FPGAs. Florida State University. 6. <url: diunduh tanggal 20 Oktober 2010 jam WIB.