1 COMPRESSED SENSING UNTUK APLIKASI PENGOLAHAN CITRA OMRIN TAMPUBOLON 2207100531 DOSEN PEMBIMBING Dr. Ir. Wirawan, DEA Jurusan Teknik Elektro Bidang Studi Telekomunikasi Multimedia Institut Teknologi Sepuluh Nopember Surabaya PENGERTIAN Apa Compressed Sensing? 2
2 COMPRESSED SENSING Compressed Sensing (CS) adalah Sebuah metode Sampling baru di mana sinyal akuisisi dan kompresi dilakukan pada saat yang sama. 3 LATAR BELAKANG Semakin besar kebutuhan storage Semakin besar kebutuhan bandwith dalam transmisi data 4
3 PERMASALAHAN 1.Bagaimana merancang perangkat lunak untuk simulasi proses pengolahan citra compressed sensing? 2.Bagaimana implikasi K-Sparse terhadap kualitas citra hasil rekonstruksi 3.Bagaimana pengaruh Peak Signal to Noise Ratio(PSNR) terhadapk-sparse 5 BATASAN MASALAH 1.Data citra yang digunakan adalah citra digital berskala gray level 8 bit 2.Rekonstruksi sinyal linier menggunakan teknikl1 Norm atau dengankatalain Total Variation Minimation. 6
4 KONSEP CITRA DIGITAL Citra yang digunakan dalam kehidupan sehari hari, seperti foto, televisi dan lainnya, merupakan masukan bagi sistem visualkebagianotakmanusia. Citra tersebut dapat didefinisikan sebagai citra analog. Citra analog harus di digitalisasi terhadap koordinat ruang(titik(x,y)) dan intensitas cahaya. Image sampling 7 KONSEP CITRA DIGITAL Berdasarkanjumlahbit per pixel, citra digolongkan menjadi 4 tipe yaitu: 1. Citra Biner 2. Citra Gray Scale 3. Citra Warna 4. Citra Multispektral Dapat dilihat secara visual Tidak dapat dilihat secara visual 8
5 KONSEP CITRA DIGITAL Tipecitrayang diperolehdarisistemvisual bergantung pada karakteristik spektral sistem visual tersebut. 9 PERSEPSI VISUAL MANUSIA Sistem peripheral : konversi cahaya yang ditangkap oleh mata manusia menjadi sinyal sinyal syaraf Sistem sentral : proses sinyal sinyal syaraf untuk mengskstraksi menjadi Informasi pandangan manusia 10
6 KONSEP KOMPRESI CITRA Lossless compression Mempertahankan data informasi secara utuh. Hasil rekonstruksi data citra terkompresi akan sama persis dengan citra awal. Lossy compression Kompresi dimana dalam proses tersebut dapat menyebabkan hilangnya data. Oleh karena itu, jika pada data citra terkompres kemudian dilakukan rekonstruksi, maka hasilnya hampir sama dengan data citra awal. 11 KONSEP COMPRESSED SENSING 12
7 APLIKASI COMPRESSED SENSING Bidang Militer: Mengenali peluru kendali melalui sensor visual Mengidentifikasi jenis pesawat musuh Bidang Kedokteran: Deteksi kanker dengan sinar X Rekonstruksi foto janin hasil USG Komunikasi Data : Pemampatan citra transmisi Hukum: Pengenalan sidik jari Pengenalan foto narapidana 13 ALGORITMA KOMPRESI 14
8 HASIL KOMPRESI CITRA Citra Asli 256 x 256 pixel Crop citra asli 32 x 32 pixel Crop terkopres 32 x 32 pixel 15 ALGORITMA REKONSTRUKSI 16
9 HASIL REKONSTRUKSI CITRA TERKOMPRES Citra terkompres 32 x 32 pixel Citra rekonstruksi 32 x 32 pixel 17 RUMUS DALAM ANALISA 18
10 TABEL PENGUKURAN PSNR CITRA TERKOMPRES N F-Compress K-Sparse Persentasi (%) MSE PSNR (db) 1024 2 512 50 0.000012 37.988 1024 4 256 25 0.000015 36.532 1024 6 171 17 0.000017 35.301 1024 8 128 13 0.000019 34.362 1024 10 102 10 0.000027 31.195 1024 12 85 8 0.000042 27.257 1024 14 73 7 0.000057 24.732 1024 16 64 6 0.000147 16.453 1024 18 57 6 0.000339 9.189 1024 20 51 5 0.000438 6.955 19 KESIMPULAN 1 Faktor utama dalam teknik compressed sensing yaitumempertimbangkanjumlahk-sparseyang digunakan dalam proses kompresi dan rekonstruksi citra. Semakin besar jumlah k-sparse dalam suatu proses kompresi dan rekonstruksi citra, maka kualitas citra rekonstruksi yang dihasilkan akan semakin baik. Semakin baik kualitas citra yang dihasilkan dari hasilrekonstruksicitramakasemakinbesarpula nilai PSNR yang dihasilkan. 20
11 KESIMPULAN 2 Semakin besar jumlah K-Sparse yang digunakan dalam proses kompresi dan rekonstruksi, maka semakin kecil nilai MSE yang dihasilkan, hal ini mengindikasikanbahwasemakinkecilrata-rata error tiap pixel yang dihasilkan antara citra asli dan citra rekonstruksi. Dalamproseskompresidanprosesrekonstruksi, semakinbesarukuranpixel yang akandiolah, akan semakin mempengaruhi kecepatan dalam proses komputasi yang dilakukan. 21 SARAN Untuk mendapatkan hasil terbaik pada proses kompresi dan rekonstruksi citra, dapat dicapai dengan menggunakan algoritma greedy seperti Orthogonal Matching Pursuit (OMP), Stage Wise Orthogonal Matching Pursuit (StOMP). Untuk mendapatkan citra kompresi dengan kualitas warna 32 bit atau lebih, dilakukan pemrosesan yang terpisah terhadap peta warna merah, hijau dan biru(rgb). Komputasi yang digunakan dalam proses kompresi dan rekonstruksi citra akan semakin cepat, bilamana dijalankan dengan spesifikasi komputasi yang cukup tinggi. 22
23 12