Fusi Citra Multi-Fokus Menggunakan Stationary Wavelet Transform dan Himpunan Fuzzy

Aditya, Ghaly (2018) Fusi Citra Multi-Fokus Menggunakan Stationary Wavelet Transform dan Himpunan Fuzzy. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
05111440000179-Undergraduate_Thesis.pdf - Accepted Version

Download (3MB) | Preview

Abstract

Masalah utama pada fusi citra multi-fokus ialah bagaimana caranya untuk mengekstraksi fitur dari citra sumber dan menggabungkan koefisien tersebut secara akurat sehingga menghasilkan piksel citra yang berkualitas tinggi. Akan tetapi, yang disebut dengan berkualitas tinggi merupakan definisi yang tidak pasti, oleh karena itu teori fuzzy sangat sesuai digunakan untuk menyelesaikan permasalahan tersebut. Tugas akhir ini mengusulkan skema fusi citra multi-fokus yang dapat menggabungkan fitur berkualitas tinggi dari dua citra sumber yang berbeda menjadi satu citra gabungan menggunakan integrasi dari Stationary Wavelet Transform dan Himpunan Fuzzy. Pertama, sumber citra didekomposisi menggunakan Stationary Wavelet Transform (SWT) untuk mendapatkan kumpulan sub-citra dengan fitur rinci yang berbeda. Kedua, Gaussian Membership Function (GMF) dimanfaatkan untuk mendapatkan himpunan fuzzy dari data sub-citra. Ketiga, Local Spatial Frequency (LSF) diaplikasikan untuk mendapatkan fitur lokal sub-citra dari himpunan fuzzy. Akhirnya, aturan fusi dirancang berdasarkan hasil verifikasi konsistensi untuk menggabungkan sub-citra, lalu Inverse Stationary Wavelet Transform (ISWT) diimplementasikan untuk merekonstruksi citra gabungan. Uji coba dilakukan pada 20 pasang citra RGB dan 10 pasang citra grayscale. Berdasarkan hasil uji coba, metode ini dapat menghasilkan citra gabungan yang akurat dengan rata-rata Root Mean Square Error (RMSE) dan Mutual Information (MI) pada citra RGB yaitu 0,1091 dan 9,2625 dan pada citra grayscale yaitu 0,0996 dan 8,4949. ================================================================================= The key issue of multi-focus image fusion is how to accurately extract features from source images and fuse those coefficients to create high-quality image. Nevertheless, the so-called high-quality is an uncertain definition, which is very suitable for fuzzy theory to address this problem. This research proposes multi-focus image fusion scheme which can merge the high-quality coefficients of two different source images into a fused image by the integration of Stationary Wavelet Transform (SWT) and Fuzzy Sets. First, the source images are decomposed by Stationary Wavelet Transform (SWT) to get a set of sub-images with different detailed features. Second, the Gaussian Membership Function (GMF) is utilized to get the fuzzy sets of sub-images data. Third, the Local Spatial Frequency (LSF) is employed to extract the local features of the fuzzy sets. At last, the fusion rule is designed based on consistency verification to fuse the sub-images, and then Inverse Stationary Wavelet Transform (ISWT) is implemented to reconstruct the fused image. The experimental is done to 20 pairs of RGB image and 10 pairs of grayscale image. Based on the experiments, this method generate an accurate fused image with average of Root Mean Square Error (RMSE) and Mutual Information (MI) for RGB images are 0,1091 and 9,2625 and for grayscale images are 0,0996 and 8,4949.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Fusi Citra Multi-Fokus, Stationary Wavelet Transform, Himpunan Fuzzy, Gaussian Membership Function, Local Spatial Frequency, Inverse Stationary Wavelet Transform.
Subjects: Q Science > QA Mathematics > QA403.3 Wavelets (Mathematics)
Q Science > QA Mathematics > QA248_Fuzzy Sets
T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
Divisions: Faculty of Information and Communication Technology > Informatics > 55201-(S1) Undergraduate Thesis
Depositing User: Ghaly Aditya
Date Deposited: 06 Jul 2021 10:25
Last Modified: 06 Jul 2021 10:25
URI: https://repository.its.ac.id/id/eprint/53379

Actions (login required)

View Item View Item