Sukmana, Septian Enggar (2015) Denoising Berbasis Estimasi Varian Noise Adaptif pada Koefisien Wavelet Homogen. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
2213205019-master_thesis.pdf - Published Version Download (8MB) | Preview |
Abstract
Noise selalu menjadi masalah bagi citra baik secara domain spasial maupun
domain frekuensi. Denoising adalah upaya untuk mengatasi noise. Banyak
teknik yang dilakukan untuk denoising sehingga denoising masih menjadi
topik penelitian yang terus diupayakan. Homogenitas koe�sien wavelet adalah
salah satu teknik denoising melalui pengkalisi�kasian koe�sien wavelet menjadi
dua jenis yaitu koe�sien sinyal dan koe�sien terkontaminasi noise menggu-
nakan ant colony optimization (ACO) berbasis klasi�kasi sebelum dilakukan
estimasi terhadap koe�sien wavelet tersebut. Estimasi varian noise pada
teknik homogenitas ini menggunakan median absolute deviation (MAD),
namun estimasi berbasis MAD dikhawatirkan melewatkan koe�sien noise yang
memiliki yang lebih besar daripada nilai hasil estimasi dan detil sinyal yang
lebih kecil daripada nilai estimasi. Estimasi varian adaptif yang merupakan
kombinasi antara estimasi MAD dengan threshold adaptif yang dioperasikan
pada setiap blok citra di dalam setiap level penguraian wavelet diusulkan untuk
mengurangi resiko kesalahan estimasi varian noise berbasis MAD.
Percobaan pada metode yang diusulkan dilakukan dengan menggunakan
metode AntShrink sebagai metode pembanding dan tiga basis wavelet yaitu
Daubechies, Haar, dan Symllet dengan standar deviasi �n 10, 25, 50, dan
75. Hasil percobaan menunjukkan kualitas citra hasil denoising pada metode
yang diusulkan masih kalah unggul dibandingkan hasil dari metode AntShrink
secara visual. Pada sebagian besar hasil percobaan yang dilakukan menggu-
nakan pengukuran PSNR dan SSIM, hasil dari metode yang diusulkan unggul
terhadap metode AntShrink terutama pada �n > 50. Selain itu, degradasi nilai
hasil pengukuran yang relatif kecil pada metode yang diusukan membuktikan
bahwa metode yang diusulkan memiliki ketahanan terhadap kasus noise yang
besar. namun pada pengukuran NQM, hasil denoising dari metode Antshrink
selalu unggul dibandingkan hasil denoising pada metode yang diusulkan.
==============================================================================================================
Noise has been a problem for image on spatial domain or frequency
domain. Denoising is tbhe way to tackle the problem that is occured by noise.
There are too many denoising techniques so denoising methods are still being
sought untill now. Homogenous classi�cation for wavelet coe�cients is one of
denoising method kind which is classifying wavelet coe�ents become two kind
of coe�cients, signal coe�ecients and noisy coe�ecients by using ant colony
optimization (ACO) based classi�cation. The noise variance estimation on
this method uses median absolute deviation (MAD). But, MAD passes noisy
coe�cients which have larger number than estimation value and signal details
which have smaller number than estimation value. Adaptive noise variance
estimation which is combination of MAD and adaptive thresholding is proposed
to decrease the risk of estimation error form MAD.
The experiment for proposed method uses AntShrink as comparator method
and three wavelet bases such as Daubechies, Haar, and Symmlet with standart
deviation �n 10, 25, 50, 75. The experiment result shows that the denoised
image from AntShrink outperforms the denoised image from proposed method
visually. On PSNR and SSIM measurement, denoised image from proposed
method outperforms the denoised image from AntShrink on �n > 50. Beside
that, the degradation of resulting value of proposed method shows that the
proposed method has better denoising quality than AntShrink on big noise case.
But on NQM measurement, denoising result on AntShrink outperforms the
priposed method.
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTE 621.398 1 Suk d |
| Uncontrolled Keywords: | Image Denoising, estimasi varian noise adaptif, koefisien wavelet homogen, Wavelet Shrinkage, AntShrink |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering |
| Divisions: | Faculty of Industrial Technology > Electrical Engineering > 20101-(S2) Master Thesis |
| Depositing User: | Mr. Fandika aqsa |
| Date Deposited: | 14 Jun 2017 02:15 |
| Last Modified: | 15 Jun 2017 02:14 |
| URI: | http://repository.its.ac.id/id/eprint/41647 |
Actions (login required)
 |
View Item |