ABSTRAK
i UNIVERSITAS KRISTEN MARANATHA
FUSI CITRA BERBASIS COMPRESSIVE SENSING
Disusun oleh :
Kristian Hernowo (1022022)
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha
Jl. Prof. Drg. Suria Sumantri, MPH. No. 65, Bandung, Jawa Barat, Indonesia
E – mail : kristianhernowo@yahoo.co.id
ABSTRAK
Tiap citra mengenai suatu kejadian atau obyek yang sama yang diambil dari
sensor yang berbeda, memiliki karakteristik informasi yang berbeda pula. Untuk
mendapatkan citra yang lebih baik, informasi-informasi tersebut dapat digabungkan
menjadi satu buah citra yang memiliki kualitas lebih baik (lebih informatif) dari citra
sebelumnya. Hal ini disebut sebagai fusi citra.
Pada Tugas Akhir ini, dibuat fusi citra pada citra digital menggunakan teknik
Compressive Sensing, yang bertujuan untuk mendapatkan citra fusi yang memiliki
kualitas informasi yang baik dari beberapa citra input, yang dicapai dengan
mengambil sebagian sample menggunakan pola sampling “star – shaped”, tanpa membutuhkan seluruh informasi dari citra input.
Hasil percobaan menunjukkan rata-rata nilai Mean Opinion Score (MOS) dari
citra fusi berada pada skala penilaian yang cukup baik yaitu memiliki informasi yang
cukup jelas dari citra input. Dari beberapa jumlah line sampling yang diuji, jumlah
line sampling yang optimal adalah 150 karena menghasilkan kualitas citra fusi terbaik
secara obyektif berdasarkan penilaian Petrovic Metric dan secara subyektif
berdasarkan penilaian Mean Opinion Score (MOS) dalam waktu proses yang relatif
sama. Jumlah line sampling dan rasio fusi yang digunakan mempengaruhi kualitas
citra fusi, tetapi tidak mempengaruhi waktu yang digunakan selama proses.
ABSTRACT
ii UNIVERSITAS KRISTEN MARANATHA
IMAGE FUSION BASED ON COMPRESSIVE SENSING
Composed by :
Kristian Hernowo (1022022)
Department of Electrical Engineering, Faculty of Engineering, Maranatha Christian University, Bandung, West Java, Indonesia
E – mail : kristianhernowo@yahoo.co.id
ABSTRACT
Each image of an event or the same object taken from different sensors,
having different information characteristics also. To get a better image, these
information can be combined into a single image that has better quality (more
informative) than the previous image. This is referred to as image fusion.
In this final project, image fusion in a digital image using Compressive
Sensing technique is developed, which aims to get the fusion image with good quality
information from multiple input image, which is achieved by taking some samples
using "star - shaped" sampling pattern, without requiring all information of the input
images.
The experimental results show the average MOS value of fusion image are at
a pretty good assessment scale that has a fairly clear information from the input
image. From some number of line sampling tested, the optimal number of line
sampling is 150 because it produces the best quality of image fusion based on
objective assessment using Petrovic Metric and subjective assessment using Mean
Opinion Score (MOS) in the same relative processing time. The number of line
sampling and fusion ratio affects the quality of fusion image, but does not affect the
used time during the process.
DAFTAR ISI
2. 6. Rekonstruksi Total Variation Minimization... 8
2. 7. Petrovic Metric... 9
2. 8. Mean Opinion Score (MOS)... 12
BAB III PERANCANGAN PERANGKAT LUNAK 3. 1. Blok Diagram Proses Compressive Sensing Citra Masukan 14 3. 2. Blok Diagram Proses Fusi ... 15
3. 3. Diagram Alir Proses Compressive Sensing dan Sampling .. . 15
DAFTAR ISI vi
UNIVERSITAS KRISTEN MARANATHA
3. 5. Perancangan Graphic User Interface (GUI) ... 19
BAB IV DATA PENGAMATAN DAN ANALISIS 4. 1. Prosedur Percobaan ... 22
4. 2. Data Pengamatan dan Analisis ... 25
4. 2. 1. Fusi Citra “Med A.bmp” dan “Med B.bmp” ... 25
4. 2. 2. Fusi Citra “Head A.bmp” dan “Head B.bmp” ... 28
4. 2. 3. Fusi Citra “Pepsi A.bmp” dan“Pepsi B.bmp” ... 30
4. 2. 4. Fusi Citra “Clock A.bmp” dan “Clock B.bmp”... 33
4. 2. 5. Fusi Citra “Vif A.bmp” dan “VifB.bmp”... ... 35
4. 2. 6. Penilaian Subyektif Mean Opinion Score (MOS).. 38
4. 3. Analisis Data Secara Keseluruhan... 40
BAB V KESIMPULAN DAN SARAN 5. 1. Kesimpulan ... 42
5. 2. Saran ... 43
DAFTAR PUSTAKA ... 44
LAMPIRAN A DATA MEAN OPINION SCORE (MOS)... A - 1
DAFTAR TABEL
vii UNIVERSITAS KRISTEN MARANATHA
DAFTAR TABEL
Halaman
Tabel 3.1. Atribut MATLAB pada perancangan perangkat lunak .. 19
Tabel 4.1. Karakteristik Citra Input ... 23
Tabel 4.2. Pola Sampling “Star – Shaped”... 24
Tabel 4.3. Data Hasil Percobaan Fusi Citra “Med A.bmp” dan
“Med B.bmp”. ... 25
Tabel 4.4. Hasil Uji Coba Fusi Citra “Med A.bmp” dan
“Med B.bmp” dengan Rasio Fusi 0.5. ... 27
Tabel 4.5. Hasil Uji Coba Fusi Citra “Med A.bmp” dan
“Med B.bmp” dengan Rasio Fusi 1... 27
Tabel 4.6. Data Hasil Percobaan Fusi Citra “Head A.bmp”
dan “Head B.bmp”... 28
Tabel 4.7. Hasil Uji Coba Fusi Citra “Head A.bmp” dan
“Head B.bmp” dengan Rasio Fusi 0.5... 29
Tabel 4.8. Hasil Uji Coba Fusi Citra “Head A.bmp” dan
“Head B.bmp” dengan Rasio Fusi 1... 30
Tabel 4.9. Data Hasil Percobaan Fusi Citra “Pepsi A.bmp”
dan “Pepsi B.bmp”... 30
Tabel 4.10. Hasil Uji Coba Fusi Citra “Pepsi A.bmp” dan
DAFTAR TABEL viii
UNIVERSITAS KRISTEN MARANATHA Tabel 4.11. Hasil uji coba fusi citra “Pepsi A.bmp” dan
“Pepsi B.bmp” dengan rasio fusi 1... 32
Tabel 4.12. Data Hasil Percobaan Fusi Citra “Clock A.bmp”
dan “Clock B.bmp”... 33
Tabel 4.13. Hasil Uji Coba Fusi Citra “Clock A.bmp” dan
“Clock B.bmp” dengan Rasio Fusi 0.5... 34
Tabel 4.14. Hasil Uji Coba Fusi Citra “Clock A.bmp” dan
“Clock B.bmp” dengan Rasio Fusi 1... 35
Tabel 4.15. Data Hasil Percobaan Fusi Citra “Vif A.bmp”
dan “Vif B.bmp”... 35
Tabel 4.16. Hasil Uji Coba Fusi Citra “Vif A.bmp” dan
“Vif B.bmp” dengan Rasio Fusi 0.5... 37
Tabel 4.17. Hasil Uji Coba Fusi Citra “Vif A.bmp” dan
“Vif B.bmp” dengan Rasio Fusi 1... 37
Tabel 4.18. Data Hasil Survey dan Mean Opinion Score (MOS)
dengan Rasio Fusi 0.5... 38
Tabel 4.19. Data Hasil Survey dan Mean Opinion Score (MOS)
DAFTAR GAMBAR
ix UNIVERSITAS KRISTEN MARANATHA
DAFTAR GAMBAR
Halaman
Gambar 2.1. Proses Pengukuran Compressive Sensing (CS)... 7
Gambar 2.2. Pola Sampling “Star – Shaped”... 7
Gambar 3.1. Blok Diagram Proses Compressive Sensing Citra A... 14
Gambar 3.2. Blok Diagram Proses Compressive Sensing Citra B... 14
Gambar 3.3. Blok Diagram Proses Fusi... 15
Gambar 3.4. Diagram Alir Proses Compressive Sensing dan Sampling... 15
Gambar 3.5. Diagram Alir Proses Fusi... 17
Gambar 3.6. Rancangan Graphic User Interface (GUI)... 19
Gambar 4.1. Tampilan Rancangan Program GUI... 22
Gambar 4.2. Grafik Perbandingan Nilai Petrovic Metric Terhadap Jumlah Line Sampling Pada Fusi Citra “Med A.bmp” dan “Med B.bmp”... 26
Gambar 4.3. Grafik Perbandingan Nilai Petrovic Metric Terhadap Jumlah Line Sampling Pada Fusi Citra “Head A.bmp” dan “Head B.bmp”... 28
DAFTAR GAMBAR x
UNIVERSITAS KRISTEN MARANATHA Gambar 4.5. Grafik Perbandingan Nilai Petrovic Metric Terhadap
Jumlah Line Sampling Pada Fusi Citra “Clock A.bmp”
dan “Clock B.bmp”... 33 Gambar 4.6. Grafik Perbandingan Nilai Petrovic Metric Terhadap
Jumlah Line Sampling Pada Fusi Citra “Vif A.bmp”
BAB I PENDAHULUAN
1 UNIVERSITAS KRISTEN MARANATHA
BAB I
PENDAHULUAN
Pada bab ini akan dibahas mengenai latar belakang, perumusan masalah,
tujuan, pembatasan masalah, dan sistematika penulisan dari Tugas Akhir ini.
1. 1. Latar Belakang
Saat ini perkembangan teknologi semakin maju dan berkembang, sehingga
suatu obyek atau kejadian dapat diabadikan dalam bentuk sebuah gambar atau
citra baik analog maupun digital. Namun, kualitas sebuah citra tergantung pada
sensor yang digunakan untuk mendapatkan citra tersebut. Semakin baik sensor
yang digunakan, semakin baik pula citra yang dihasilkan.[7]
Tiap citra mengenai suatu kejadian atau obyek yang sama yang diambil
dari sensor yang berbeda, memiliki karakteristik informasi yang berbeda pula.
Untuk mendapatkan citra yang lebih baik, informasi-informasi tersebut dapat
digabungkan menjadi satu buah citra yang memiliki kualitas lebih baik dari citra
sebelumnya. Hal ini disebut sebagai fusi citra (Image Fusion). Salah satu teknik
fusi citra adalah dengan teknik Compressive Sensing (CS).[7]
Compressive Sensing (CS) merupakan teknik baru dalam proses sampling
data dan kompresi data. Metode ini memiliki kompleksitas komputasi yang lebih
rendah daripada teknik kompresi sebelumnya yang menggunakan over sampling
kemudian melakukan kompresi terhadap data yang telah di sampling. Dengan kata
lain, Compressive Sensing (CS) dapat secara tepat melakukan kompresi tepat pada
sampling.[4]
Fusi citra adalah kombinasi dari beberapa gambar menjadi gambar tunggal
yang membantu persepsi visual manusia atau tugas-tugas pengolahan gambar
selanjutnya. Salah satu metode untuk mencapai fusi citra adalah dengan skema
dekomposisi multiresolusi. Semua metode tersebut memerlukan informasi tentang
gambar asli. Namun, Compressive Sensing (CS) menawarkan salah satu
keunggulan utama yaitu dapat mengumpulkan sampel tanpa asumsi informasi
BAB I PENDAHULUAN 2
UNIVERSITAS KRISTEN MARANATHA Compressive Image Fusion (CIS). Dalam tugas akhir ini, direalisasikan fusi citra
berbasis Compressive Sensing (CS).[5]
1. 2. Perumusan Masalah
Bagaimana cara merealisasikan fusi citra berbasis Compressive Sensing
(CS) ?
1. 3. Tujuan
Merealisasikan fusi citra berbasis Compressive Sensing (CS).
1. 4. Pembatasan Masalah
1. Citra yang digunakan dalam proses fusi adalah citra grayscale berukuran 256x256 piksel dengan format “bmp” sebanyak 5 (lima) pasang citra. 2. Citra dicuplik menggunakan pola sampling “star-shaped” dengan jumlah
line sampling sebanyak 22, 50, 76, 100, dan 150.
3. Kualitas citra hasil fusi diukur dengan penilaian obyektif berdasarkan
kriteria Petrovic’s metric dan penilaian subyektif menggunakan MOS
(Mean Opinion Score).
4. Realisasi software dibuat menggunakan bahasa pemograman MATLAB.
1. 5. Sistematika Penulisan
Laporan Tugas Akhir ini disusun dengan sistematika sebagai berikut : BAB I : Pendahuluan
Merupakan bab yang menjelaskan mengenai latar belakang
masalah, rumusan masalah, tujuan dan sistematika penulisan dari
Tugas Akhir ini.
BAB II : Landasan Teori
Merupakan bab yang disusun untuk memberikan penjelasan dan
teori-teori penunjang tentang fusi citra berbasis Compressive
BAB I PENDAHULUAN 3
UNIVERSITAS KRISTEN MARANATHA BAB III : Perancangan Perangkat Lunak
Merupakan bab yang berisi penjelasan desain yang akan dilakukan
untuk membuat software fusi citra berbasis Compressive Sensing
(CS).
BAB IV : Data Pengamatan dan Analisis
Merupakan bab yang berisi data pengamatan yang diperoleh dari
penelitian dan analisis yang diperoleh melalui Tugas Akhir ini. BAB V : Kesimpulan dan Saran
Merupakan bab yang berisi kesimpulan dan saran yang dapat
diambil untuk melakukan pengembangan terhadap software dan
BAB V KESIMPULAN DAN SARAN
42 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 “Fusi Citra berbasis
Compressive Sensing”.
5. 1. Kesimpulan
Dari data hasil uji coba dan analisis yang dilakukan terkait dengan
pelaksanaan Tugas Akhir, dapat diambil kesimpulan :
1. Fusi Citra berbasis Compressive Sensing berhasil direalisasikan dan dapat
berfungsi dengan baik dengan menggunakan bahasa pemrograman
MATLAB.
2. Jumlah line sampling dan rasio fusi yang digunakan mempengaruhi
kualitas citra fusi, tetapi tidak mempengaruhi waktu yang digunakan
selama proses.
3. Dari beberapa jumlah line sampling yang diuji, jumlah line sampling 150
merupakan jumlah line sampling yang paling optimal karena dapat
menghasilkan kualitas citra fusi yang terbaik secara obyektif berdasarkan
penilaian Petrovic Metric maupun subyektif berdasarkan penilaian Mean
Opinion Score (MOS) dalam waktu proses yang relatif sama.
4. Semakin banyak jumlah line sampling, maka tingkat kerapatan pada titik
tengah (titik pusat) pola “star-shaped” akan semakin tinggi sehingga
informasi citra (frekuensi rendah) yang diperoleh juga akan semakin
banyak dan kualitas citra fusi pun akan lebih baik.
5. Pada citra multifokus (“Pepsi.bmp” dan “Clock.bmp”), nilai rasio fusi 0.5
menghasilkan nilai Petrovic Metric yang lebih baik daripada nilai rasio
BAB V KESIMPULAN DAN SARAN 43
UNIVERSITAS KRISTEN MARANATHA 5. 2. Saran
Untuk pengembangan selanjutnya, dapat dicoba menggunakan pola
sampling lain misalnya pola sampling “double star-shaped” sehingga hasil
fusi citra mungkin akan lebih baik. Hal tersebut mungkin terjadi karena
pola sampling “double star-shaped” memiliki tingkat kerapatan yang lebih
DAFTAR PUSTAKA
44 UNIVERSITAS KRISTEN MARANATHA
DAFTAR PUSTAKA
[1] E. Candµes and J. Romberg. l1-magic: “Recovery of sparse signal via
convex programming”. code package available at
http://www.l1-magic.org.
[2] J. K. Pant, W.-S. Lu, and A. Antoniou, “A New Algorithm for
Compressive Sensing Based on Total-Variation Norm,” University of
Victoria, Victoria, British Columbia, Canada.
[3] T. Sutoyo. et al. 2009. “Teori Pengolahan Citra Digital”, Yogyakarta:
Penerbit ANDI.
[4] Omrin Tampubolon, “Compressed Sensing untuk Aplikasi Pengolahan
Citra,” Jurusan Teknik Elektro, Institut Teknologi Sepuluh November,
Surabaya.
[5] T. Wan, N. Canagarajah, and A. Achim. “Compressive Image Fusion,” In
Proc. IEEE Int. Conf. Image Process., pages 1308-1311, 2008.
[6] C.S. Xydeas and V. Petrovic, “Objective Image Fusion Performance
[10] http://en.wikipedia.org/wiki/Mean_opinion_score, diakses 11 Agustus
