i Universitas Kristen Maranatha
NON-BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN
COMPLEX WAVELET TRANSFORM (CWT) DAN SINGULAR VALUE
DECOMPOSITION (SVD)
Disusun Oleh :
Froni Andrian Sitompul (0822102)
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof. drg. Suria Sumantri, MPH No. 65, Bandung 40164, Jawa Barat -Indonesia
E – mail : sitompul_andri_kern@yahoo.com
ABSTRAK
Kemudahan penyebaran citra digital melalui internet memiliki sisi positif dan
negatif bagi pemilik asli suatu citra digital tersebut. Sisi positifnya adalah kemudahan penyebaran citra digital tersebut ke berbagai alamat situs di dunia. Sedangkan sisi
negatifnya citra digital tersebut sangat mudah diakui kepemilikannya oleh pihak lain. Pada Tugas Akhir ini dibuat non-blind watermarking pada citra digital menggunakan Complex Wavelet Transform (CWT) dan Singular Value Decomposition (SVD). Penyisipan dilakukan dengan cara menyisipkan nilai singular
dari watermark pada nilai singular dari koefisien riil dan imajiner CWT pada subband LH2 dan HL2 citra host.
Hasil percobaan menunjukkan rata-rata nilai MOS dari citra berwatermark hasil penyisipan menggunakan CWT dan SVD yaitu sama dengan citra asli dan PSNR ≥ 30 dB. Watermark tahan terhadap pemrosesan citra berupa kompresi JPEG (Q = 40%, 50%, 80%), rotasi (90º, 180º, 270º), median filtering (3x3, 5x5, 7x7), penambahan noise gaussian (0.001, 0.005, 0.01), scalling (50%, 75%, 200%), cropping (0,0,50,50), (0,50,50,0), (50,50,0,0).
ii Universitas Kristen Maranatha
NON-BLIND WATERMARKING ON DIGITAL IMAGE USING COMPLEX WAVELET TRANSFORM (CWT)
AND SINGULAR VALUE COMPOSITION
Composed by :
Froni Andrian Sitompul (0822102)
Department of Electrical Engineering, Faculty of Engineering, Maranatha Christian University
Prof. drg. Suria Sumantri, MPH 65, Bandung, West Java - Indonesia E – mail : sitompul_andri_kern@yahoo.com
ABSTRACT
Ease of deployment of digital images over the internet has both positive and
negative for the original owner of a digital image. The positive side is the ease of
deployment of digital images to various sites in the world, while the downside is very
easily recognized ownership by other parties.
In this final project was made non-blind watermarking on digital image using
Complex Wavelet Transform (CWT) and Singular Value Decomposition (SVD). The
insertion is done by inserting singular value of the watermark on the singular values
of the real and imaginary CWT coefficients in subband LH2 and HL2 of host image.
The experiment results showed an average MOS value of the watermarked
image is the same as the original image and PSNR value ≥ 30 dB. Watermark
resistant to image processing such as JPEG compression (Q = 40%, 50%, 80%),
rotation (90º, 180º, 270º), median filtering (3x3, 5x5, 7x7), the addition of noise
gaussian (0.001; 0.005; 0.01) , scaling (50%, 75%, 200%), cropping (0,0,50,50),
(0,50,50,0), (50,50,0,0).
Keywords : non-blind watermarking, complex wavelet transform, singular value
v Universitas Kristen Maranatha DAFTAR ISI
Halaman
ABSTRAK ... i
ABSTRACT ... ii
KATA PENGANTAR ... iii
DAFTAR ISI ... v
DAFTAR TABEL ... viii
DAFTAR GAMBAR ... xi
BAB I PENDAHULUAN 1.1 Latar Belakang ... 1
1.2 Perumusan Masalah ... 2
1.3 Tujuan Penelitian ... 2
1.4 Pembatasan Masalah ... 3
1.5 Metodologi ... 3
BAB II LANDASAN TEORI 2.1 Citra Digital ... 4
2.2 Watermarking……….. 5
2.2.1 Digital Watermarking ... 6
2.2.2 Karakteristik Digital Watermarking ... 7
2.2.2 Klasifikasi Teknik Digital Watermarking ... 7
2.2.3 Jenis-Jenis Digital Watermarking ... 8
2.3 Complex Wavelet Transform (CWT) ... 8
2.4 Singular Value Decomposition (SVD) ... 10
2.5 Peak Signal to Noise Ratio (PSNR) ... 10
2.6 Mean Opinion Score (MOS) ... 11
vi Universitas Kristen Maranatha BAB III PERANCANGAN PERANGKAT LUNAK
3.1 Diagram Blok Proses Penyisipan Watermark ... 13
3.2 Diagram Blok Proses Ekstraksi Watermark ... 15
3.3 Diagram Alir Proses Penyisipan Watermark ... 17
3.4 Diagram Alir Proses Ekstraksi Watermark ... 19
3.5 Tampilan GUI Program yang Dirancang ... 21
BAB IV DATA PENGAMATAN DAN ANALISIS 4.1 Prosedur Pengujian ... 23
4.2 Bentuk Watermark ... 25
4.3 Penyisipan dan Ekstraksi menggunakan CWT dan SVD .... 25
4.4 Pengujian Kualitas Citra yang Telah Disisipi Watermark dan Analisa ... 28
4.5 Pengujian Ketahanan Watermark Terhadap Pemrosesan Citra dan Analisa ... 33
4.5.1 Kompresi ... 34
4.5.2 Rotasi ... 36
4.5.3 Median Filter ... 38
4.5.4 Noise Gaussian ... 40
4.5.5 Scaling ... 42
4.3.1 Cropping ... 44
4.6 Perbandingan hasil penyisipan dan ekstraksi antara DWT dan CWT ... 46
BAB V KESIMPULAN DAN SARAN 5.1. Kesimpulan ... 51
5.2. Saran ... 52
viii Universitas Kristen Maranatha DAFTAR TABEL
Halaman Tabel 3.1 Atribut MATLAB pada perancangan perangkat lunak ... 22 Tabel 4.1 Karakteristik citra (host image) ... 24 Tabel 4.2 Citra watermark ... 25 Tabel 4.3 Nilai PSNR citra terwatermark dan nilai NCC watermark
untuk penyisipan pada koefisien CWT bagian riil untuk
beberapa nilai alfa (α) ... 25 Tabel 4.4 Nilai NCC Nilai PSNR citra terwatermark dan watermark
untuk penyisipan pada koefisien CWT bagian imajiner untuk
beberapa nilai alfa (α) ... 27 Tabel 4.5 Nilai MOS dan PSNR citra yang telah disisipi
watermark pada bagian riil koefisien CWT ... 29 Tabel 4.6 Nilai MOS dan PSNR citra yang telah disisipi
watermark pada bagian imajiner koefisien CWT ... 30 Tabel 4.7 Contoh watermark hasil ekstraksi dan nilai NCC nya
untuk penyisipan pada koefisien CWT bagian imajiner ... 32
Tabel 4.8 Nilai NCC watermark hasil ekstraksi untuk penyisipan pada koefisien CWT bagian riil lalu dikompresi ke dalam
format JPEG ... 34 Tabel 4.9 Nilai NCC watermark hasil ekstraksi untuk penyisipan
pada koefisien CWT bagian imajiner lalu dikompresi
ke dalam format JPEG ... 34 Tabel 4.10 Contoh watermark hasil ekstraksi dan nilai NCC nya
untuk penyisipan pada koefisien CWT bagian imajiner
lalu dilakukan kompresi dengan faktor kualitas (Q=80%) ... 35 Tabel 4.11 Nilai NCC watermark hasil ekstraksi untuk penyisipan
ix Universitas Kristen Maranatha pada koefisien CWT bagian imajiner lalu dilakukan rotasi .... . 36 Tabel 4.13 Contoh watermark hasil ekstraksi dan nilai NCC nya
untuk penyisipan pada koefisien CWT bagian imajiner
lalu dilakukan rotasi (270º) ……… ... 37 Tabel 4.14 Nilai NCC watermark hasil ekstraksi untuk penyisipan
pada koefisien CWT bagian riil lalu dilakukan
median filtering... 38 Tabel 4.15 Nilai NCC watermark hasil ekstraksi untuk penyisipan
pada koefisien CWT bagian imajiner lalu dilakukan
median filtering... 38 Tabel 4.16 Contoh watermark hasil ekstraksi dan nilai NCC nya
untuk penyisipan pada koefisien CWT bagian imajiner
lalu dilakukan median filtering (7x7) ... 39
Tabel 4.17 Nilai NCC watermark hasil ekstraksi untuk penyisipan pada koefisien CWT bagian riil lalu dilakukan perubahan
noise gaussian... 40 Tabel 4.18 Nilai NCC watermark hasil ekstraksi untuk penyisipan
pada koefisien CWT bagian imajiner lalu dilakukan
perubahan noise gaussian ... 40 Tabel 4.19 Contoh watermark hasil ekstraksi dan nilai NCC nya untuk
penyisipan pada koefisien CWT bagian imajiner lalu dilakukan penambahan noise gaussian (0.01) ... 41 Tabel 4.20 Nilai NCC watermark hasil ekstraksi untuk penyisipan
pada koefisien CWT bagian riil lalu dilakukan scalling ... 42 Tabel 4.21 Nilai NCC watermark hasil ekstraksi untuk penyisipan pada
koefisien CWT bagian imajiner lalu dilakukan scalling ... 42 Tabel 4.22 Contoh watermark hasil ekstraksi dan nilai NCC nya untuk
penyisipan pada koefisien CWT bagian imajiner lalu dilakukan scalling (200%)... 43
x Universitas Kristen Maranatha koefisien CWT bagian riil lalu dilakukan cropping ... 44 Tabel 4.24 Nilai NCC watermark hasil ekstraksi untuk penyisipan pada
koefisien CWT bagian imajiner lalu dilakukan cropping ... 44 Tabel 4.25 Contoh watermark hasil ekstraksi dan nilai NCC nya untuk
penyisipan pada koefisien CWT bagian imajiner lalu
dilakukan cropping (0,50,50,0) piksel ... 45 Tabel 4.26 Perbandingan nilai koefisien korelasi pada DWT dan CWT .... 46 Tabel 4.27 Nilai NCC watermark hasil ekstraksi untuk penyisipan
pada koefisien CWT bagian imajiner dan koefisien DWT lalu dikompresi JPEG ... 47 Tabel 4.28 Nilai NCC watermark hasil ekstraksi untuk penyisipan
pada koefisien CWT bagian imajiner dan koefisien DWT
lalu dirotasi ... 48
Tabel 4.29 Nilai NCC watermark hasil ekstraksi untuk penyisipan pada koefisien CWT bagian imajiner dan koefisien DWT lalu
dilakukan median filtering ... 48 Tabel 4.30 Nilai NCC watermark hasil ekstraksi untuk penyisipan
pada koefisien CWT bagian imajiner dan koefisien
DWT lalu dilakukan penambahan noise gaussian ... 49 Tabel 4.31 Nilai NCC watermark hasil ekstraksi untuk penyisipan
pada koefisien CWT bagian imajiner dan koefisien DWT
lalu dilakukan scalling ... 49 Tabel 4.32 Nilai NCC watermark hasil ekstraksi untuk penyisipan
xi Universitas Kristen Maranatha DAFTAR GAMBAR
Halaman
Gambar 2.1 Representasi Matrik Citra Digital ... 5
Gambar 2.2 Analisis filterbank untuk 1D ... 9
Gambar 3.1 Diagram Blok Proses Penyisipan Watermark ... 13
Gambar 3.2 Diagram Blok Proses Ekstraksi Watermark ... 15
Gambar 3.3 Diagram Alir Proses Penyisipan Watermark ... 17
Gambar 3.4 Diagram Alir Proses Ekstraksi Watermark ... 19
Gambar 3.5 Tampilan GUI Program yang Dirancang ... 21
Gambar 4.1 Grafik Nilai Normalized Corelation Coefition (NCC) dan Peak Signal to Noise Ratio (PSNR) terhadap alfa (α) dari citra (a) Barbara, (b) Cameraman dan (c) Lena untuk penyisipan pada bagian riil koefisien CWT ... 26
Gambar 4.2 Grafik Nilai Normalized Corelation Coefision (NCC) dan Peak Signal to Noise Ratio (PSNR) terhadap alfa (α) dari citra (a) Barbara, (b) Cameraman dan (c) Lena untuk penyisipan pada bagian imajiner koefisien CWT ... 28
Bab I Pendahuluan
1 Universitas Kristen Maranatha
BAB I
PENDAHULUAN
1.1. Latar Belakang
Perkembangan teknologi komputer dan informasi saat ini berkembang begitu pesat dari tahun ke tahun. Perkembangan teknologi komputer sangat berpengaruh dan menunjang berbagai aspek kehidupan. Hal ini memudahkan setiap orang untuk melakukan pertukaran data dalam dunia internet. Kemudahan teknologi komputer saat ini juga mempengaruhi perkembangan teknologi lainnya
salah satunya adalah penggunaan data digital (citra, audio, video, teks) hasil komputer digital yang sering digunakan dalam dunia internet. Dengan
menggunakan internet, data digital merupakan informasi yang mudah diakses tanpa memperhitungkan jarak dari mana orang mengaksesnya. Hal ini menyebabkan data digital yang diakses melalui internet sulit untuk dimonitor sehingga dapat terjadi pelanggaran hak kepemilikan data atau hak cipta. Salah satu metode untuk melindungi hak cipta citra digital adalah watermarking citra digital.
Watermarking merupakan suatu teknik penyembunyian data atau informasi “rahasia” ke dalam suatu data lainnya (kadang disebut dengan host data), tetapi orang lain tidak menyadari kehadiran adanya data tambahan pada data host-nya. Jadi seolah-olah tidak ada perbedaan antara data host sebelum dan sesudah proses watermarking. Permasalahan yang sering terjadi adalah bagaimana cara penyisipan data ke dalam data lainnya tanpa mengurangi kualitas data yang disisipi. Oleh karena itu, maka dibutuhkan beberapa kriteria dalam penyisipannya seperti fidelity yaitu tidak berubahnya mutu citra host, robustness yaitu kekuatan dari penyisipan data watermark, recovery yaitu data yang disembunyikan harus dapat diekstraksi kembali.
Watermarking dapat dilakukan pada domain spasial atau frekuensi. Penyisipan watermark pada domain spasial langsung dimanipulasi pada
Bab I Pendahuluan 2
Universitas Kristen Maranatha frekuensi tinggi atau frekuensi rendah. Ada berbagai macam teknik transformasi untuk aplikasi watermarking diantaranya yaitu Complex Wavelet Transform (CWT). CWT memiliki beberapa kelebihan yaitu baik dalam shift invariance, bagus dalam directional selectivity, memiliki kapasitas yang besar dan tahan terhadap serangan-serangan pada umumnya[7]. Sedangkan Singular Value Decomposition (SVD) merupakan suatu teknik yang baik dalam perhitungan dan analisis sebuah matriks.
Dalam tugas akhir ini dianalisis teknik watermarking menggunakan kombinasi kedua teknik yaitu Complex Wavelet Transform (CWT) dan Singular Value Decomposition (SVD). Tujuan menggunakan kedua teknik ini diharapkan akan menghasilkan citra hasil watermarking yang memiliki sifat robustness
(ketahanan terhadap serangan) dan masih terlihat secara visual.
1.2 Perumusan Masalah
Berdasarkan latar belakang di atas, maka perumusan masalah yang diangkat pada tugas akhir ini adalah sebagai berikut:
1. Bagaimana merealisasikan non-blind watermarking pada Citra Digital menggunakan Complex Wavelet Transform (CWT) dan Singular Value
Decomposition (SVD)?
2. Bagaimana kualitas citra ter-watermark dan setelah diberi serangan? 3. Bagaimana tingkat kemiripan citra watermark hasil ekstraksi dengan citra
watermark asli.
1.3 Tujuan Penelitian
1. Merealisasikan digital image watermarking menggunakan teknik watermark CWT - SVD.
Bab I Pendahuluan 3
Universitas Kristen Maranatha 1.4 Pembatasan Masalah
Batasan masalah dalam tugas akhir ini adalah sebagai berikut : 1. Implementasi menggunakan bahasa pemograman MATLAB. 2. Citra host 256 x 256 greyscale.
3. Citra watermark berupa citra hitam putih 64x64 piksel.
4. Pada saat pengujian ketahanan watermark akan dilakukan rotasi, noise gaussian, scalling, median filtering, kompresi dan cropping.
5. Kualitas dari citra digital yang sudah terwatermark diukur dengan MOS (Mean Opinion Score) & PSNR (Peak Signal to Noise Ratio).
6. Program Complex Wavelet Transform (CWT) digunakan diunduh dari http://eeweb.poly.edu/iselesni/WaveletSoftware/
1.5 Metodologi
1. Mengumpulkan dan mempelajari bahan yang dibutuhkan.
2. Melakukan perancangan perangkat lunak.
Bab V Pendahuluan
51 Universitas Kristen Maranatha
BAB V
KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan berdasarkan hasil penelitian dan analisis data
dari Tugas Akhir ini serta saran untuk pengembangan “Non-Blind Watermarking
pada Citra Digital menggunakan Complex Wavelet Transform (CWT) dan Singular Value Decomposition (SVD)”.
5. 1. Kesimpulan
Dari kegiatan-kegiatan yang dilakukan terkait dengan pelaksanaan Tugas Akhir, dapat diambil kesimpulan sebagai berikut :
1. Non-blind watermarking pada citra digital menggunakan Complex
Wavelet Transform (CWT) dan Singular Value Decomposition berhasil
direalisasikan dan dapat berfungsi dengan baik.
2. Nilai PSNR citra terwatermark untuk penyisipan pada koefisien CWT bagian riil umumnya sedikit lebih besar daripada penyisipan pada bagian imajiner untuk nilai alfa = 0.8, 1, 1.5, 5, 10, 25, 50. Nilai Mean Opinion Score (MOS) berada pada skala penilaian yang baik yaitu sama dengan
citra asli.
3. Nilai Normalized Cross Corelation (NCC) untuk penyisipan pada koefisien CWT bagian riil dan bagian imajiner dengan alfa = 0.8, 1, 1.5, 5, 10, 25 dan 50 mendekati angka 1, dan watermark hasil ekstraksi masih terlihat secara visual.
4. Watermark yang disisipkan menggunakan CWT dan SVD tahan terhadap pemrosesan citra kompresi JPEG (Q = 40%, 50%, 80%), rotasi (90º, 180º, 270º), median filtering (3x3, 5x5, 7x7), penambahan noise gaussian (0.001, 0.005, 0.01), scalling (50%, 75%, 200%), cropping (0,0,50,50), (0,50,50,0), (50,50,0,0).
Bab V Pendahuluan 52
Universitas Kristen Maranatha 6. Watermark yang disisipkan menggunakan CWT-SVD maupun DWT-SVD
tahan terhadap pemrosesan citra kompresi JPEG (Q = 40%, 50%, 80%), rotasi (90º, 180º, 270º), median filtering (3x3, 5x5, 7x7), penambahan
noise gaussian (0.001, 0.005, 0.01), scalling (50%, 75%, 200%),
cropping(0,0,50,50), (0,50,50,0), (50,50,0,0).
5. 2. Saran
1. Untuk pengembangan lebih lanjut dapat dicoba dengan citra host berwarna.
Daftar Pustaka Universitas Kristen Maranatha
53 Universitas Kristen Maranatha
DAFTAR PUSTAKA
[1] Adi Ilmiawan 2010 Watermarking in digital image with complex wavelet transform (CWT) and singular value decomposition (SVD).
[2] Chandra D V S 2002 Digital image watermarking using singular value decomposition. In: Proc. of 45th IEEE Midwest Symposium on Circuits
and Systems Tulsa Oklahoma: III 264–III 267.
[3] Cox I J, Kilian J, Leighton T, Shamoon T 1997 Secure spread spectrum watermarking for multimedia. IEEE Trans. on Image Processing 6(12):
1673–1687
[4] DarmstaedterV, Delaigle J F, Quisquater J J, MacqB1998 LowCost
SpatialWatermarking. Computers and Graphics 22(4): 417–424.
[5] Ganic E, Eskicioglu AM2005 Robust embedding of visual watermarks using Dwt-Svd. J. ElectronicImaging 1–13.
[6] Loo P, Kingsbury N G 2000 Digital watermarking using complex wavelets. Int. Conf. on Image Processing 29–32.
[7] Johansen Valentoino 2015 Blind Image Using Discrete Wavelet Transform (DWT) – Singular Value Decomposition (SVD)
[8] Mansouri A, Aznaveh A M, Azar F T. 2009. “SVD-based digital image
watermarking using complex wavelet transform”. Department of
Electrical and Computer Engineering, Shahid Beheshti University.
[9] Sigalingging D. Galumbang 2012 Digital Image Watermarking Base On DWT (Discrete Wavelet Transform) - SVD (Singular Value
Decomposition).