Universitas Kristen Maranatha
i
WATERMARKING PADA CITRA DIGITAL BERBASIS DISCRETE WAVELET TRANSFORM DAN SINGULAR VALUE DECOMPOSITION
Disusun oleh :
Nama : Hendra Togi Manalu Nrp : 0522121
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha, Jl. Prof.Drg.Suria Sumantri, MPH no.65, Bandung, Indonesia.
Email : Togi_manaloe@yahoo.com
ABSTRAK
Perkembangan teknologi digital yang sangat cepat menyebabkan perlindungan terhadap hak cipta multimedia digital menjadi sangat penting. Watermarking digital adalah proses dalam teknologi digital, yang menyisipkan sebuah tanda air ke dalam elemen multimedia (umumnya citra, suara dan video) yang terlindungi, untuk memproteksinya dari pihak-pihak yang tidak memiliki kuasa terhadap isi dari multimedia tersebut.
Karena popularitasnya yang semakin berkembang, Discrete Wavelet
Transform (DWT) banyak digunakan dalam skema watermarking. Dalam skema
berbasis DWT, koefisien-koefisien DWT dimodifikasi dengan data yang merepresentasikan watermark. Pada tugas akhir ini akan diimplementasikan sistem watermarking pada citra digital dengan berbasis Discrete Wavelet Transform (DWT) dan Singular Value Decomposition (SVD). Setelah mendekomposisi citra media menjadi menjadi 4 subband (LL, HL, LH, dan HH), kemudian nilai singular citra
watermark disisipkan ke dalam nilai singular tiap-tiap subband.
Hasil uji coba dengan pemberian bobot faktor skala yang tepat pada setiap
subband-nya menghasilkan nilai PSNR, MSE dan MOS yang baik dan menjamin
ketahanan watermark terhadap beberapa tipe serangan minimal pada salah satu
subband.
Universitas Kristen Maranatha
ii
DISCRETE WAVELET TRANSFORM AND SINGULAR VALUE DECOMPOSITION BASED DIGITAL IMAGE WATERMARKING
Composed by :
Name : Hendra Togi Manalu Nrp : 0522121
Electrical Engineering, Maranatha Christian University, Jl. Prof.Drg.Suria Sumantri, MPH no.65, Bandung, Indonesia.
Email : Togi_manaloe@yahoo.com
ABSTRACT
Rapid development of digital technology is the reason that makes protection digital multimedia copyright becomes very important. Digital watermarking is a process in digital domain, which embeds a watermark into a copyrighted digital data, to protect its value, so that it cannot be used by unauthorized parties.
Because of its growing popularity, the discrete wavelet transform (DWT) is commonly used in recent watermarking schemes. Ina DWT-based scheme, the DWT coefficients are modified with the data that represents the watermark. In this final project, it will implement the digital image watermarking system based on Discrete Wavelet Transform (DWT) and Singular Value Decomposition (SVD). After decomposing the cover image into four bands (LL, HL, LH, and HH), then embed singular values of the visual watermark into singular value of host image.
The result of experiments by giving the suitable scaling factor in each subband, will result a good PSNR, MSE and MOS value and keeps the watermark that is robustto a some variety of attacks minimal in one of subband.
Universitas Kristen Maranatha
2.3.3 Transformasi Wavelet Diskrit (Discrete Wavelet Transform) ... 14
Universitas Kristen Maranatha
iv
2.3.3.2 Transformasi Wavelet Diskrit Balik (Invers DWT)... 18
2.4 Singular Value Decomposition (SVD)... 19
2.5 Peak Signal to Noise Ratio (PSNR) dan Mean Square Error (MSE) ... 20
2.6 Pearson Correlation (koefisien korelasi) ... 21
2.6 Mean Opinion Score (MOS) ... 21
BAB III PERANCANGAN PERANGKAT LUNAK 3.1 Gambaran Umum Sistem Watermarking ... 23
3.1.1 Proses Penyisipan Citra Watermark ... 24
3.1.2 Proses Ekstraksi Citra Watermark ... 26
BAB IV PEMBAHASAN DAN HASIL 4.1 Jenis Dan Ukuran Citra Watermark ... 28
4.2 Pengukuran Kualitas Citra ... 29
4.2.1 Mengukur Kualitas Citra Ber-watermark... 29
4.3 Pengujian Terhadap Ketahanan Watermark... 35
Universitas Kristen Maranatha
v
DAFTAR TABEL
Halaman
Tabel 2.1 Kategori Penilaian Mean Opinion Score ... 22
Tabel 4.1 Citra yang akan digunakan dalam implementasi ... 28
Tabel 4.2 Nilai singular terbesar setiap subband untuk beberapa citra .. 29
Tabel 4.3 Nilai PSNR, MSE DAN MOS citra ber-watermark jika faktor skala setiap subband sama ... 32
Tabel 4.4 Jumlah nilai singular setiap subband untuk beberapa citra ... 33
Tabel 4.5 Rata-Rata jumlah nilai singular setiap subband untuk beberapa citra ... 34
Tabel 4.6 Nilai PSNR, MSE DAN MOS citra ber-watermark jika faktor skala subband LL dan subband lainnya berbeda ... 35
Tabel 4.7 Nilai korelasi citra watermark dengan alpha = 0,05 ... 37
Tabel 4.8 Nilai korelasi citra watermark dengan alpha = 0,04 ... 39
Tabel 4.9 Nilai korelasi citra watermark dengan alpha = 0,03 ... 40
Tabel 4.10 Faktor skala citra “Pirate” ... 42
Tabel 4.11 Nilai korelasi citra watermark dengan alpha = 0,05 ... 42
Universitas Kristen Maranatha
vi
DAFTAR GAMBAR
Halaman Gambar 2.1 Analisis wavelet dan analisis sinyal lainnya (a)
Transformasi fourier (b) STFT (c) Transformasi wavelet .. 9
Gambar 2.2 Bentuk gelombang;(a) Sinyal sinus (b) Sinyal wavelet ... 9
Gambar 2.3 Translasi pada wavelet; (a) Fungsi wavelet ψ(t) (b) Fungsi Wavelet Yang Digeser ψ(t-k) ... 10
Gambar 2.4 Perubahan skala pada wavelet[21]; (a) Nilai skala kecil (b) Nilai skala besar ... 10
Gambar 2.5 Korespondensi antara skala pada waktu dengan frekuensi pada wavelet ... 10
Gambar 2.6 Beberapa tipe fungsi wavelet Ψ(X) ... 11
Gambar 2.7 Transformasi wavelet dengan dekomposisi sinyal sebanyak N kali ... 15
Gambar 2.8 Proses dekomposisi sinyal dua dimensi level satu ... 16
Gambar 2.9 Transformasi wavelet maju dua dimensi level dua ... 17
Gambar 2.10 Inverse Transformasi wavelet dengan rekonstruksi sebanyak N kali ... 18
Gambar 2.11 Proses rekonstruksi sinyal dua dimensi level satu ... 19
Gambar 3.1 Proses penyisipan watermark ... 24
Gambar 3.2 Diagram alir penyisipan watermark ... 25
Gambar 3.3 Proses ekstraksi watermark ... 26
Gambar 3.4 Diagram alir ekstraksi watermark ... 27
Gambar 4.1 Kurva nilai singular citra “Lena” pada setiap subband ... 30
Universitas Kristen Maranatha
vii
alpha: (a) =0.014; (b) =0.016; (c) =0.04 ... 31 Gambar 4.4 Perubahan kualitas citra ber-watermark akibat perubahan
LAMPIRAN A
A-1
A.1 Citra Ber-Watermark dengan Penggunaan Faktor Skala Setiap Subband Sama
CITRA TERWATERMARK Alpha = 0.016
CITRA TERWATERMARK Alpha = 0.024 CITRA TERWATERMARK Alpha = 0.022
CITRA TERWATERMARK Alpha = 0.02
CITRA TERWATERMARK Alpha = 0.018
A-2
A.2 Citra Ber-Watermark dengan Penggunaan Faktor Skala Berdasarkan Rata-Rata Jumlah Perbandingan NilaiSingular Setiap Subband
A-4
A-5
A-6
A-7
LAMPIRAN B
B-1
Tabel dibawah ini adalah nilai korelasi citra watermark dengan penggunaan faktor skala setiap
subband-nya sama.
B-2
B-3
B-4
LAMPIRAN C
C-1
C.1 Kategori Penilaian Mean Opinion Score (MOS)
Nilai Kualitas citra Penjelasan
5 Sangat Bagus (Excellent)
Citra yang diamati mempunyai kualitas yang sangat baik hampir serupa dengan citra aslinya
4 Bagus
(Fine)
Citra yang diamati mempunyai kualitas bagus tanpa gangguan yang berarti
3 Cukup
(Passable)
Citra yang diamati mempunyai kualitas yang cukup baik dengan gangguan yang sedikit berarti
2 Batas
(Marginal)
Citra yang diamati mempunyai kualitas buruk dengan gangguan yang berarti
1 Buruk
(Unuseable)
Citra yang diamati memiliki kualitas yang demikian buruk sehingga tidak dapat diamati lagi
C.2 Contoh Kuisioner untuk Penilaian Mean Opinion Score (MOS)
Nama :
C-2
C.3 Hasil Penilaian MOS
No Nama NRP Alpha=0.016 Alpha=0.018 Alpha=0.02 Alpha=0.022 Alpha=0.024 Alpha=0.026 Alpha=0.08 Alpha=0.03
1 Fredinata J 0522101 4 4 5 4 5 4 4 4
Citra Ber-Watermark Dengan Penggunaan Faktor Skala Setiap Subband Sama
No Nama NRP Alpha=0.03 Alpha=0.04 Citra Ber-watermark Dengan Penggunaan Faktor Skala Berdasarkan Perbandingan Nilai Singular Setiap Subband
1 Universitas Kristen Maranatha
BAB I
PENDAHULUAN
1.1. Latar Belakang
Watermarking (pemberian tanda air) adalah proses menyisipkan data pada
suatu elemen multimedia seperti image, audio, video. Penyisipan data ini kemudian bisa diekstraksi, atau dideteksi dari multimedia untuk tujuan keamanan. Sebuah algoritma watermarking terdiri dari struktur watermark, algoritma penyisipan, dan algoritma ekstraksi. Watermark dapat disisipkan dalam domain spasial atau domain transformasi. Dalam aplikasi multimedia, penyisipan watermark harus memenuhi standar dasar watermark : Fidelity / Invisibility, Robustness, Recovery dan Capacity.
Fidelity / Invisibility, mutu citra yang ditampung tidak jauh berubah sehingga
pengamat tidak mengetahui kalau di dalam citra tersebut terdapat data rahasia.
Robustness, data yang disisipkan harus tahan terhadap berbagai operasi manipulasi
yang dilakukan pada citra penampung seperti pemberian noise, filtering (blurring,
sharpening, dll), resampling, scaling, rotation, cropping dan kompresi. Recovery,
data yang disembunyikan harus dapat diekstraksi kembali. Capacity, berapa banyak data yang dapat direpresentasikan ke dalam sebuah watermark [1].
Watermarking dapat diartikan sebagai suatu teknik penyembunyian data atau
informasi rahasia ke dalam suatu data lain yang ditumpangi (kadang disebut sebagai
host data), tetapi orang lain tidak menyadari kehadiran adanya data tambahan pada
data host-nya. Watermarking memanfaatkan kekurangan yang ada pada indera manusia seperti mata dan telinga. Jadi teknik watermarking merupakan proses penyembunyian data yang tidak diketahui oleh indera manusia baik dalam indera penglihatan atau indera pendengaran [1].
BAB I PENDAHULUAN
Universitas Kristen Maranatha
2
mengidentifikasi keaslian content dilakukan penyisipan watermark tunggal ke dalam
content pada sumber distribusinya. Sedangkan untuk melacak penjiplakan secara
ilegal, memerlukan suatu watermark yang unik yang menunjukkan lokasi atau identitas penerima dalam suatu jaringan multimedia.
Dalam beberapa tahun terakhir ini, perkembangan skema watermarking yang banyak digunakan adalah Discrete Cosine Transform (DCT) dan Discrete Wavelet
Transform (DWT).
Pada watermarking berbasis DWT, pada umumnya penyisipan watermark dilakukan pada frekuensi tinggi dan frekuensi rendah, yang menghasilkan skema ketahanan terhadap gangguan yang berbeda-beda. Penyisipan pada frekuensi rendah akan meningkatkan ketahanan terhadap gangguan diantaranya pemfilteran, lossy
compression, dan operasi geometri citra, tetapi lebih sensitif pada histogram citra.
Sedangkan penyisipan pada frekuensi menengah dan tinggi akan meningkatkan ketahanan terhadap histogram citra, tetapi kurang tahan terhadap pemfilteran, lossy
compression, dan operasi geometri citra.
Dengan melihat keunggulan dan kelemahan tiap-tiap frekuensi di atas terhadap berapa gangguan, maka dicoba untuk menyisipkan citra watermark pada semua frekuensi.
Keunggulan dari properti SVD adalah nilai singular terbesar yang telah dimodifikasi, akan berubah sangat sedikit terhadap beberapa tipe gangguan. Di sini SVD akan diterapkan pada tiap-tiap frekuensi.
BAB I PENDAHULUAN
Universitas Kristen Maranatha
3
1.2. Perumusan Masalah
Tugas akhir ini membahas perihal Watermarking pada Citra Digital berbasis
Discrete Wavelet Transform (DWT) dan Singular Value Decomposition (SVD).
Dalam tugas akhir ini terdapat beberapa perumusan masalah antara lain :
1. Bagaimana mengimplementasikan teknik watermarking berbasis DWT dan SVD ?
2. Bagaimana kualitas citra setelah disisipkan watermark ?
3. Bagaimana ketahanan watermark pada tiap – tiap subband terhadap beberapa proses manipulasi citra ?
1.3. Tujuan Tugas Akhir
Tujuan yang ingin dicapai dalam tugas akhir ini antara lain :
1. Membuat perangkat lunak watermarking citra digital berbasis Discrete
Wavelet Transform (DWT) dan Singular Value Decomposition (SVD).
2. Mengukur kualitas citra yang telah disisipkan watermark berbasis DWT dan SVD.
3. Menguji ketahanan watermark terhadap pemrosesan citra.
1.4. Pembatasan Masalah
Pembatasan masalah yang dibahas pada tugas akhir ini antara lain :
Data digital yang digunakan sebagai media penyisipan berupa citra digital
grayscale berukuran 512x512
Data digital yang disisipkan berupa citra digital grayscale berukuran 256x256 Format citra yang dipakai untuk citra host adalah *TIF (Tagged Image File
Format) dan untuk citra watermark menggunakan *GIF (Graphics Interchage
Format).
BAB I PENDAHULUAN
Universitas Kristen Maranatha
4
Implementasi dilakukan dengan bahasa pemrograman Matlab 7.8 pada komputer PC Pentium Core 2 Duo dengan memori 2 GB.
Sebagai ukuran kualitas citra yang telah disisipi watermark digunakan kriteria obyektif dan kriteria subyektif. Kriteria obyektif yang digunakan adalah Peak
Signal to Noise Ratio (PSNR), Mean Square Error (MSE) dan sedangkan
Mean Opinion Score (MOS) digunakan sebagai ukuran kriteria subyektif. Simulasi manipulasi citra untuk menguji ketahanan watermark antara lain:
Gaussian Blur, Gaussian Noise, JPEG compression, Sharpening, Rescaling,
Rotation, Cropping
1.5. Sistematika Penulisan BAB I PENDAHULUAN
Bab ini berisi latar belakang, perumusan masalah, tujuan tugas akhir, pembatasan masalah, dan sistematika penulisan.
BAB II LANDASAN TEORI
Bab ini membahas teori-teori tentang citra digital, transformasi wavelet diskrit, dekomposisi nilai singular, dan watermarking citra digital.
BAB III PERANCANGAN PERNGKAT LUNAK
Bab ini membahas proses pengerjaan meliputi perancangan dan simulasi. BAB IV PEMBAHASAN HASIL
Bab ini berisikan data hasil uji coba perancangan dan simulasi. BAB V KESIMPULAN DAN SARAN
45 Universitas Kristen Maranatha
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Dari analisis yang dilakukan terhadap hasil-hasil ujicoba maka dapat ditarik kesimpulan sebagai berikut:
• Tugas akhir ini berhasil membuat perangkat lunak watermarking pada citra digital berbasis Discrete Wavelet Transform dan Singular Value
Decomposition.
• Penentuan besarnya faktor skala setiap subband berdasarkan rata-rata jumlah perbandingan nilai singular LL terhadap subband lainnya akan menghasilkan kualitas citra ber-watermark dan ketahanan watermark yang lebih baik daripada penggunaan faktor skala untuk setiap subband-nya sama.
• Semakin besar nilai , semakin baik tingkat robustness watermark dilihat dari nilai korelasi, namun kualitas citra ber-watermark menurun dilihat dari nilai PSNR dan MSE.
• Dengan mempertimbangkan nilai PSNR dan MSE, maka nilai terbaik adalah 0,03 (pada subband LL), sedangkan berdasarkan pertimbangan
robustness dengan melihat nilai korelasi nilai terbaik adalah 0,05 (pada
subband LL).
• Watermark hasil ekstraksi akan tahan terhadap setiap serangan yang diujicoba
BAB V KESIMPULAN DAN SARAN
Universitas Kristen Maranatha
46
5.2 Saran
Beberapa hal yang dapat dilakukan untuk penelitian di masa mendatang adalah : • Proses DWT dapat dilakukan dengan multilevel, untuk mengetahui level
terbaik dalam menyisipkan watermark.
• Fungsi wavelet yang digunakan dapat dicoba dengan fungsi wavelet yang lain seperti Daubechies, coiflets dan symlets.
47
DAFTAR PUSTAKA
1. Agung, Wiseto P., Digital Watermarking : Teknologi Pelindung HAKI Multimedia. Elektro Indonesia, www.elektroindonesia.com, 2001.
2. Basaruddin, T dan Maulidiya, D., Kinerja Skema Pemberian Tanda Air Video
Dijital Berbasis Dwt-svd Dengan Detektor Semi-blind, Depok, 01-04-2009.
3. Gilani, S. Asif Mahmood., DLT-Based Digital Image Watermarking. University of Patras, 2000.
4. E. Ganic dan A. M. Eskicioglu., Robust DWT-SVD Domain Image Watermarking:
Embedding Data in All Frequencies, In Proceedings of the 2004 ACM workshop
on Multimedia and security, pages 166 – 174, Magdeburg/Germany, ISBN 1-58113-854-7, 2004.
5. Gonzalez Rafael C., Digital Image Processing Second Edition, Prentice-Hall, Inc, 1987.
6. Juliana, Made Edi., Implementasi Algoritma Fuzzy Untuk Pembelajaran
Kuantisasi Vektor Pada Kompresi Citra Berbasis Transformasi Wavelet Dan
DCT, Sekolah Tinggi Teknologi Telkom, Bandung, 2005.
7. Koerdianto, Usman et Al., A Study of Sub-band Frequency Combination to
Improve The Performance of ICA-Wavelet Watermarking Scheme For Medical
Images in Telemedicine Application, Bandung, 2004.
8. Kutter, Martin., A Fair Benchmark for Image Watermarking Systems, The International Society for Optical Engineering, 1999.
9. Munir, Rinaldi., Diktat Kuliah IF5054 Kriptografi, Institut Teknologi Bandung, 2006.
10. Oregon State University, Adaptive-Quantization Digital Image Sensor for
Low-Power Image, www.osulibrary.oregonstate.edu.
11. Pamuji, Agus Sutiono., Tanda Air Robust Dan Fragile Pada Citra Berbasis
48
12. Polikar, Robi., Multi Resolution Analysis : The Discrete Wavelet Transform,
Durham Computation Center. Iowa State University, 1998.
13. R, Elpha., Studi Penentuan Koefisien Pencampur Optimal Pada Proses
Watermarking Dengan Metode ICA-Wavelet Untuk Citra Digital, Sekolah Tinggi
Teknologi Telkom, Bandung, 2005.
14. Ratnadewi., Pengolahan Citra Digital Dengan Memakai Transformasi Wavelet, Bandung, 1999.
15. Semarajana, Gede., Analisis Dan Simulasi Blind Watermarking Dengan
Transformasi Wavelet Pada Citra Digital, Sekolah Tinggi Teknologi Telkom,
Bandung, 2007.
16. Ruizhen Liu dan Tieniu Tan., A SVD-Based Watermarking Scheme For
protecting Rightful ownership, IEEE Transactions on Multimedia. Vol 4, No. 1,
121-128, 2002.
17. Technical Advisory Service for Images., File Formats and Compression, http://www.tasi.ac.uk, 2005
18. Terzija, Nataša., Robust Digital Image Watermarking Algorithms for Copyright
Protection. Universität Duisburg-Essen, 2006.
19. Wikipedia., Wavelet, http://id.wikipedia.org/wiki/Wavelet.