Restorasi Citra Plat Nomor Kendaraan Menggunakan Metode Super
Resolusi pada Sistem Pelanggaran Lampu Merah
Bayu Setyo Prayugi Teknik Komputer dan Telematika Jurusan Teknik Elektro Insitut Teknologi Sepuluh Nopember SuarabayaAbstrak
Gambar dengan resolusi rendah tidak dapat dimanfaatkan untuk berbagai kebutuhan karena informasi dari gambar tersebut mungkin hilang. Oleh karena itu berbagai macam cara dilakukan untuk memperbaiki kualitas gambar, baik memperbaiki dari segi hardware, atau juga mengolah melalui software.Dalam tugas akhir ini, dibuat sistem atau program untuk memperbaiki kualitas citra menggunakan metode super resolusi, dari citra resolusi rendah, menjadi citra resolusi tinggi. Gambar dengan resolusi rendah dijadikan sebagai input, gambar‐gambar tersebut lalu diregistrasi secara geometrik dan fotometrik, menghasilkan gambar mozaik. Gambar mozaik inilah yang kemudian di restorasi menggunakan metode super resolusi dengan memanfaatkan parameter ‐ parameter yang ada pada teknik ransac ROBUST untuk memproduksi citra dengan resolusi tinggi.
Hasil yang diperoleh setelah dilakukan pengujian menunjukkan bahwa metode super resolusi menggunakan teknik ransac ROBUST dapat merestorasi citra resolusi rendah menjadi citra resolusi tinggi. Dengan demikian, maka citra resolusi tinggi dapat digunakan untuk keperluan sesuai dengan kebutuhan pengguna, misalnya membantu pelaksanaan Intelegent Transportation System (ITS) di beberapa kota di dunia, termasuk Surabaya.
Pendahuluan
Beberapa kota maju di dunia telah mencoba untuk mengatasi beberapa masalah yang berhubungan dengan pelanggaran lampu merah. Caranya adalah dengan membuat system yang mampu mendeteksi setiap pelanggaran lampu merah yang terjadi, kamera perekam dipasang pada setiap perlintasan jalan sehingga dapat merekam seluruh kejadian yang terjadi sepanjang hari. Cara ini berhasil, baik untuk merekam semua kejadian, maupun untuk menekan angka pelanggaran lampu merah, akan tetapi hasil rekaman yang berisi plat nomor kendaraan dari kamera ini biasanya adalah gambar dengan resolusi rendah, dan sulit terbaca oleh user (manusia).
Ada 2 cara yang bisa dilakukan untuk meningkatkan kualitas gambar hasil rekaman kamera tersebut, pertama dengan meningkatkan spesifikasi kamera (meng‐ganti kamera dengan spesifikasi yang lebih baik), kedua dengan mengolah gambar hasil rekaman tersebut menggunakan software dan metode yang ada.
Teknik citra Super Resolusi adalah suatu teknik untuk mendapatkan citra yang beresolusi tinggi dari sekumpulan citra yang beresolusi rendah (LR). Resolusi tinggi yang dihasilkan dapat berupa citra tunggal atau lebih. Citra resolusi tinggi didapat dari sekumpulan resolusi rendah yang diambil dari adegan (scene) yang sama. Karena dari adegan (scene) yang sama itu menyediakan informasi yang dapat digunakan untuk merekonstruksi citra resolusi tinggi.
Penelitian Terkait
Penelitian yang terkait dengan masalah ini memang telah banyak dilakukan, berbagai macam metode dan teknik untuk menciptakan citra dengan kualitas super atau resolusi tinggi dilakukan, beberapa metode itu antara lain estimasi Maksimum Posteriori (MAP Estimation), estimasi Maksimum Likehood (ML Estimation), dan masih banyak lagi. Beberapa teknik ini berhasil memproduksi citra yang memiliki kualitas lebih baik, akan tetapi banyak juga penelitian yang masih butuh penyempurnaan. Dalam tugas akhir ini, penulis ingin mencoba untuk menerapkan metode yang telah ada yaitu metode robust, menggunakan algoritma dan teknik yang ada serta sedikit modifikasi pada program, diharapkan penelitian ini dapat sedikit membantu penelitian‐ penelitian yang ada sekarang.
Gambar Input
Dalam sistem ini, ada dua jenis input yang digunakan, salah satunya adalah berupa gambar. Gambar / citra yang digunakan sebagai input di sini adalah gambar dengan format file *.jpeg serta resolusi tinggi, citra tersebut kemudian diberi beberapa noise seperti blur, salt and pepper, translasi, dan skala. Hasil olahan dari gambar asli
yang telah diberi noise ini menjadi citra dengan rusak dan berwarna grayscale, atau disebut juga citra resolusi rendah.
Video Input
Input sistem yang digunakan selain gambar statis adalah video. Video yang digunakan sebagai input sistem adalah video dengan resolusi rendah dan berwarna grayscale. Video ini disampling menjadi beberapa gambar (frame), frame‐frame inilah yang digunakan sebgai input sistem. Karena program dibuat dengan menggunakan software Matlab, maka file video yang didukung oleh Matlab adalah file dengan ekstensi *.mat.
Registrasi Citra
Registrasi citra ini dibutuhkan karena data input yang diolah lebih dari satu gambar, registrasi ini bertugas untuk membentuk sebuah citra baru yang berasal dari citra‐citra input yang ada. Proses registrasi ini ada dua macam, yaitu :
Registrasi Geometrik
Registrasi Geometrik ini berfungsi untuk mencari titik‐titik yang sama dari beberapa gambar dengan objek yang sama tetapi memiliki sudut pandang yang berbeda. Karena citra yang diolah lebih dari satu, maka dibutuhkan registrasi yang dapat menangani sejmlah N citra secara otomatis, dengan jumlah iterasi yang dapat ditentukan, maka digunakan metode ransac ROBUST.
Langkah‐langkah tersebut terbagi menjadi 5 bagian utama, yaitu :
1. Menghitung interest point tiap gambar. 2. Menghitung sekumpulan interest point
berdasarkan jaraknya dengan piksel tetangga. 3. Gunakan ransac ROBUST, ulangi untuk
sejumlah N data. Pilih sampel acak 4 titik, hitung homografinya, hitung jarak error geometris masing‐masing korenpondensi, hitung jumlah inliers tetap dengan H dari jumlah korespondensi, khusus untuk jarak error yang lebih kecil dari threshold, lalu pilih H dengan jumlah inlears terbesar.
4. Estimasi ulang H dari semua korespondensi, lalu maksimalkan kemungkinan fungsi persamaan.
5. Sekumpulan interest point kini ditentukan dengan estimasi H untuk menunjukkan daerah objek pada posisi titik yang ditransfer.
Ulangi / Lakukan iterasi lagkah (4) dan (5) hingga jumlah korespondensi stabil.
Gambar berikut akan menjelaskan proses registrasi citra dengan sejumlah N data. Proses ini biasa disebut dengan Estimasi Homografi Otomatis. Gambar 2 buah gambar universitas Oxford, gerakan terjadi karena rotasi dari kamera di tempat yang sama, sehingga terbentuk homografi diantaranya. Deteksi titik / fitur dari tiap‐tiap gambar, ada sekitar 500 titik dari tiap gambar.
Gambar satu diandingkan dengan gambar lainnya menggunakan metode ransac ROBUST, hasilnya didapatkan titik‐titik yang sama antar gambar. Ada 268 titik yang diuji (gambar kiri) dan terdapat 117 titik yang berbeda (gambar kanan) Terdapat 151 titik yang sama (gambar kiri).
Setelah beberapa kali iterasi, optimlisasi fitur dan panduan kemungkinan persamaan maka didapatkan sejumlah 262 titik sama (gambar kanan) yang merupakan final dari proses registrasi geometrik.
Gambar Ha Terbentuk kamera.
Registras
Re prosedur d diperkiraka seperti ilum variasi inte cahaya sec menunjukk ini, bersa menghitun registrasi g aplikasi un sukses. Ga yang meng kecerahan) De fotometrik intensitas sehingga d seluruh gamasil registrasi g dari 100 gam
si Fotometrik
egistrasi Fot dimana global an. Misal tr minasi perubah ensitas karena cara otomatis kan bahwa pa ama dengan ng paramete geometrik, da ntuk membent ambar berikut ggunakan trans ) tiap RGB chan = engan kata bertugas u cahaya antar didapatkan nil mbar yang ada eometrik. mbar tunggalk
tometrik ma fotometrik a ransformasi b han di tempat kamera meng . Dalam prak arameter sede metode r r yang dib apat cukup m tuk gambar m t akan menun sformasi affine nnel. + lain, intiny ntuk mengat ra tiap‐tiap fr ai kecerahan a. dengan rotasi angacu pada ntara gambar bersifat global kejadian, dan gontrol tingkat kteknya, telah erhana model ansac untuk berikan pada memungkinkan mozaik dengan njukkan model e (kontras dan + ya registrasi tur tingkat / rame gambar, rata‐rata dari i a r l n t h l k a n n l n i / , iSupe
tekni tingg (LR). tungg sekum adega (scen dapat tingg Gamb seles gabu terse inilah citra (fast Rumu dibua diten menjparam gamb
er Resolusi
Teknik citra k untuk men i dari sekump Resolusi ting gal. Citra mpulan resol an (scene) ya ne) yang sama t digunakan u i. bar Dasar dari Diasumsikan ai dilakukan, ngan dari se but biasa dis h yang diguna super resolus ROBUST). us diatas sedik at menggunak ntukan sendiri adi : Dari rumus meter yang d bar super resola Super Reso ndapatkan citr ulan citra yang ggi yang dihas resolusi ting usi rendah y ang sama. Ka itu menyedia ntuk merekon Super Resolus n bahwa pros sehingga terb eluruh input sebut gambar akan sebagai i si dengan tek
kit dimodifikasi kan sejumlah , maka rumu s di atas, apat digunaka lusi, yaitu : olusi adalah ra yang bere g beresolusi re silkan berupa ggi didapat yang diambil arena dari ad akan informasi ntruksi citra re i ses registrasi bentuk sebuah yang ada, ga mozaik. Ga input pemben nik ransac RO karena sistem iterasi yang usnya dapat d didapat beb an untuk mem
suatu esolusi endah citra dari dari degan i yang esolusi telah h citra ambar ambar ntukan OBUST m yang dapat ditulis berapa mbuat
1. Faktor Resolusi, menggambarkan ukuran dari citra resolusi tinggi
2. Ukuran kernel dan Sigma, berfungsi memberikan nilai filter Gaussian yang dipakai 3. Alpha, Beta, Lamda, P, berfungsi sebagai
parameter pengujian pada input program. 4. Iterasi, jumlah iterasi yang dimasukkan untuk
memproduksi gambar resolusi tinggi.
Hasil Pengujian
Untuk mengetahui apakah program / sistem yang dibuat dapat berjalan dengan baik, maka dibutuhkan pengujian terhadap sistem tersebut, pengujian sistem ini digunakan untuk menguji tingkat keberhasilan dan juga dapat digunakan untuk menentukan berapa persen error yang ada pada program dan algoritma yang diuji.
Berikut ini, adalah pengujian terhadap file “lena.jpg”
Gambar “lena.jpg” original memiliki ukuran 512 x 512 piksel dan berformat gambar JPG.
Gambar “lena.jpg” setelah diberi beberapa noise (blur, skala, translasi, sal & pepper)
Gambar “lena.jpg” resolusi tinggi, setelah diproses dengan metode fast ROBUST dengan parameter (F. Resolusi : 2, Jumlah kernel : 3, Sigma : 1, Alpha : 0.7, Beta : 1, Lambda : 0.04, P : 2, Iterasi : 20 kali) Pengujian selanjutnya, file “plat.jpg” Gambar “plat.jpg” original memiliki ukuran 512 x 512 piksel dan berformat gambar JPG.
Gambar “plat.jpg” setelah diberi beberapa noise (blur, skala, translasi, sal & pepper)
Gambar “plat.jpg” resolusi tinggi, setelah diproses dengan metode fast ROBUST dengan parameter (F. Resolusi : 2, Jumlah kernel : 3, Sigma : 1, Alpha : 0.7, Beta : 1, Lambda : 0.04, P : 2, Iterasi : 20 kali) Pengujian file dilakukan juga dalam file video. Berikut ini adalah pengujian terhadap file “text.mat”
Gambar screenshoot file “text.mat” resolusi rendah, dengan beberapa deskripsi (jumlah frame : 30, Ukuran video : 57 x 49 px, ukuran video (avi) : 250 kb, ukuran video (mat) : 80 kb, kamera : Olympus c‐ 4000)
Gambar “text.jpg” resolusi tinggi, menggunakan metode bicubic dan deblurring (kiri), serta fast ROBUST (kanan) dengan parameter (F. Resolusi : 2, Jumlah kernel : 3, Sigma : 1, Alpha : 0.7, Beta : 1, Lambda : 0.04, P : 2, Iterasi : 20 kali) Pengujian berikutnya, file “car.mat”
Gambar screenshoot file “car.mat” resolusi rendah, dengan beberapa deskripsi (jumlah frame : 64, Ukuran video : 121 x 72 px, ukuran video (avi) : 1.6 Mb, ukuran video (mat) : 545 kb, kamera : tidak diketahui)
Gambar “text.jpg” resolusi tinggi, menggunakan metode bicubic dan deblurring (kiri), serta fast ROBUST (kanan) dengan parameter (F. Resolusi : 2, Jumlah kernel : 3, Sigma : 1, Alpha : 0.7, Beta : 1, Lambda : 0.04, P : 2, Iterasi : 20 kali.
Kesimpulan
Dari hasil pengujian dan analisa data, dapat diambil kesimpulan bahwa metode super resolusi dengan teknik ransac ROBUST, dapat digunakan untuk merestorasi citra dari resolusi rendah menjadi resolusi tinggi. Beberapa sample yang digunakan menunjukkan hasil yang baik, mskipun ada juga yang menujukkan bahwa program yang dibuat ini kurang berhasil, masalah ini didapat karena informasi citra antara citra satu dengan citra lainnya berbeda terlalu jauh.
