Umam, Ahmad Khairul (2018) Transformasi Wavelet Quaternion Dengan Filter Rata-Rata Pada Proses Denoising Citra. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
06111550010005-Master-Thesis.pdf Download (6MB) | Preview |
Abstract
Transformasi wavelet quaternion (TWQ) menggabungkan transformasi
wavelet diskrit (TWD) dan transformasi Fourier quaternion (TFQ). Transformasi
wavelet diskrit memiliki banyak aplikasi termasuk pada pengolahan citra. Dalam
penelitian ini dibahas konstruksi, sifat-sifat dan implementasi dari TWQ pada
proses denoising citra.
Algoritma denoising menggunakan TWQ dibangun kemudian dilakukan
simulasi untuk mengetahui kinerja dari algoritma tersebut. Dalam tesis ini,
menggunakan citra uji jenis grayscale berukuran piksel dengan tingkat
kerumitan rendah, sedang dan tinggi. Pada percobaan berhasil mereduksi noise
pada citra.
Untuk mengukur kinerja algoritma denoising citra digunakan nilai PSNR
(peak signal to noise ratio). Nilai PSNR yang dibandingakan adalah nilai PSNR
menggunakan metode Filter Rata-rata, TWD, TWQ dan TWQ dengan filter ratarata.
Pada metode TWD, TWQ dan TWQ dengan filter rata-rata menggunakan
wavelet Haar, Biorthogonal, Symlets, Daubechies dan Coiflets. Nilai PSNR yang
paling tinggi diantara metode yang digunakan dikatakan memiliki kinerja yang
paling baik.
Hasil dari tesis ini dapat disimpulkan bahwa, untuk citra uji dengan tingkat
kerumitan rendah dan sedang, nilai PSNR tertinggi diperoleh dari metode TWQ
dengan filter rata-rata (Coiflets 5). Sedangkan untuk citra uji dengan tingkat
kerumitan tinggi, nilai PSNR tertinggi diperoleh dari metode TWQ dengan filter
rata-rata (Daubechies 9). Secara umum metode TWQ dengan filter rata-rata
menghasilkan nilai PSNR paling tinggi dibandingkan dengan metode Filter Ratarata
dan TWD untuk nilai standar deviasi dan .
============================================================
Quaternion wavelet transform (QWT) combines discrete wavelet transform (DWT) and quaternion Fourier transform (QFT). Discrete wavelet transform has many applications included image processing. In this research, we discuss about construction, characteristics and implementation of QWT on process of image denoising. We construct denoising algorithm with QWT then we do simulation to know performance of algorithm. In this thesis, we use grayscale test images that have size pixel with low, medium and high complexity. Experiment reduces noise of image successfully. Results of image denoising are used to measure algorithm performance using PSNR (peak signal to noise ratio) value. We compare PSNR values with Mean Filter, DWT, QWT and QWT with mean filter for Haar, Biorthogonal, Symlets, Daubechies and Coiflets wavelet. The method that has the highest PSNR value can be concluded the best performance. We conclude that for test images with low and medium complexity, the highest PSNR values use QWT with mean filter (Coiflets 5). While for test image with high complexity, the highest PSNR values use QWT with mean filter (Daubechies 9). In general, QWT with mean filter produces the highest PSNR value compared Mean Filter and DWT for standard deviation values and .
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTMa 515.243 3 Uma t |
| Uncontrolled Keywords: | transformasi wavelet diskrit (TWD), transformasi wavelet quaternion (TWQ), denoising citra, discrete wavelet transform (DWT), quaternion wavelet transform (QWT), image denoising |
| Subjects: | T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques |
| Divisions: | Faculty of Mathematics and Science > Mathematics > 44101-(S2) Master Thesis |
| Depositing User: | ansi aflacha |
| Date Deposited: | 23 Nov 2018 07:02 |
| Last Modified: | 25 Apr 2024 06:17 |
| URI: | http://repository.its.ac.id/id/eprint/59998 |
Actions (login required)
 |
View Item |