i
BLIND WATERMARKING PADA CITRA DIGITAL
MENGGUNAKAN DISCRETE WAVELET TRANSFORM
(DWT) DAN SINGULAR VALUE DECOMPOSITION (SVD)
Disusun Oleh :
Johansen Valentino (0822062)
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha.
Jl. Prof.Drg.Suria Sumantri, MPH no.65, Bandung 40164, Jawa Barat - Indonesia.
e-mail : valentino.johansen@gmail.com
ABSTRAK
Pada saat ini, penyebaran citra digital di internet dapat dilakukan dengan
mudah. Penyebarannya yang sangat mudah ini dapat memungkinkan terjadi pelanggaran hak cipta suatu citra digital. Untuk menghindari terjadinya pelanggaran hak cipta dapat dilakukan dengan pemberian tanda air pada citra digital tersebut atau sering dikenal sebagai watermarking.
Pada tugas akhir ini dibuat blind watermarking berdasarkan Discrete Wavelet Transform (DWT) dan Singular Value Decomposition (SVD). DWT berfungsi untuk dekomposisi citra host menjadi 4 sub-band yaitu LL, LH, HL dan HH, kemudian pada masing-masing sub-band dilakukan SVD. Penyisipan watermark dilakukan pada beberapa nilai singular. Setelah dilakukan penyisipan, pada masing-masing sub-band dilakukan inverse SVD dan kemudian dipulihkan kembali dengan inverse DWT sehingga diperoleh citra terwatermark.
Hasil uji coba menujukkan rata rata nilai MOS dari citra terwatermark berada dalam skala good dan PSNR lebih besar dari 35 dB untuk penyisipan pada nilai singular mulai ke 7 atau 8. Watermark tahan terhadap pemrosesan citra berupa kompresi JPEG (90%), scaling (150%), dan rotasi (90° ke kanan, 90° ke kiri, dan
ii dan 7x7), scaling (50% dan 75%), dan penambahan noise Gaussian (20%, 40%, dan 60%).
iii
BLIND WATERMARKING ON DIGITAL IMAGE USING
DISCRETE WAVELET TRANSFORM (DWT) AND SINGULAR
VALUE DECOMPOSITION (SVD)
Composed by :
Johansen Valentino (0822062)
Department of Electrical Engineering Faculty of Engineering, Maranatha Christian University
Prof. drg. Suria Sumantri, MPH 65, Bandung, West Java – Indonesia E-mail : valentino.johansen@gmail.com Wavelet Transform (DWT) and Singular Value Decomposition (SVD). DWT is used to decompose host image into four sub-band, that are LL, LH, HL and HH, then in each sub-band is performed SVD. Watermark is embedded on some singular value. After embbeding process, in each sub-band is performed inverse SVD and then inverse DWT to obtain watermarked image.
iv Keywords : blind watermarking, discrete wavelet transform, singular value
vii
2.2.3. Klasifikasi Teknik Digital Watermarking ... 6
2.3. Discrete Wavelet Transform (DWT) ... 6
2.4. Singular Value Decomposition (SVD)... 7
viii
2.6. Mean Opinion Score (MOS) ... 9
2.7. Normalized Corelation (NC) ... 10
BAB III PERANCANGAN PERANGKAT LUNAK 3.1Diagram Blok Proses Penyisipan Watermark ... 11
3.2Diagram Blok proses Ekstraksi Watermark ... 13
3.3Diagram Alir Proses Penyisipan Watermark ... 14
3.4Diagram Alir Proses Ektraksi Watermark ... 18
3.5Perancangan Graphic User Interface (GUI) ... 21
BAB IV DATA PENGAMATAN DAN ANALISA DATA 4.1.Prosedur Pengujian ... 25
4.2.Bentuk Watermark ... 26
4.3.Penyisipan dan Ekstraksi Watermark pada Beberapa Nilai Singular ... 26
4.4.Pengujian Kualitas Citra yang Telah Disisipkan Watermark dan Analisa ... 31
4.5.Pengujian Ketahanan Watermark terhadap Pemrosesan Citra dan Analisa ... 32
BAB V KESIMPULAN dan SARAN 5.1. Kesimpulan ... 36
5.2. Saran ... 36
ix LAMPIRAN A DATA dan CITRA HASIL PERCOBAAN ... A - 1
LAMPIRAN B DATA MEAN OPINION SCORE (MOS) ... B - 1
x DAFTAR TABEL
Halaman
Tabel 3.1 Atribut MATLAB pada perancangan perangkat lunak ... 22
Tabel 4.1 Karakteristik citra (host image) ... 25
Tabel 4.2 Watermark yang digunakan ... 26
Tabel 4.3 Nilai PSNR dan NC dari citra Lena.bmp ... 27
Tabel 4.4 Nilai PSNR dan NC dari citra Baboon.bmp ... 28
Tabel 4.5 Nilai PSNR dan NC dari citra Peppers.bmp ... 29
Tabel 4.6 Nilai MOS dan PSNR citra yang telah disisipkan watermark ... 31
Tabel 4.7 Nilai koefisien korelasi watermark hasil ekstraksi dari citra host yang disisipkan watermark dan dikompresi ... 32
Tabel 4.8 Nilai koefisien korelasi watermark hasil ekstraksi dari citra terwatermark yang diberikan noise Gaussian. ... 33
Tabel 4.9 Nilai koefisien korealasi watermark hasil ekstrasi dari citra terwatermark yang dilakukan scaling. ... 34
Tabel 4.10 Nilai koefisien korelasi watermark hasil ekstrasi dari citra yang dilakukan penghalusan citra atau median filter. ... 34
xi DAFTAR GAMBAR
Halaman
Gambar 3.1 Blok Diagram Proses Penyisipan Watermark ... 11
Gambar 3.2 Blok Diagram Proses Ekstraksi Watermark ... 13
Gambar 3.3 Diagram Alir Proses Penyisipan Watermark ... 14
Gambar 3.4 Diagram Alir Subroutine Penyisipan ... 16
Gambar 3.5 Diagram Alir Proses Ekstraksi Watermark ... 18
Gambar 3.6 Diagram Alir Subroutine Ekstraksi ... 21
Gambar 3.7 Rancangan Graphic User Interface (GUI) ... 22
Gambar 4.1 Grafik Nilai Normalized Corelation (NC) dan Peak Signal to Noise Ratio PSNR) dari citra Lena.bmp ... 28
Gambar 4.2 Grafik Nilai Normalized Corelation (NC) dan Peak Signal to Noise Ratio (PSNR) dari citra Baboon.bmp ... 29
BAB I PENDAHULUAN
1 BAB I
PENDAHULUAN
1.1. Latar Belakang
Pada saat ini, penyebaran multimedia digital di internet bisa terjadi dengan cepat yang melingkupi multimedia digital dalam bentuk video, gambar, suara. Penyebarannya yang sangat cepat ini dapat mengakibatkan keaslian suatu multimedia digital dipertanyakan karena banyak orang akan memilikinya dan menyebarkannya kembali melalui internet. Untuk menghindari hal seperti ini, dapat dilakukan dengan pemberian tanda air pada multimedia digital tersebut atau sering dikenal sebagai teknik watermarking.
Pada tugas akhir ini dibahas tentang blind watermarking berdasarkan Discrete Wavelet Transform (DWT) dan Singular Value Decomposition (SVD). Blind watermarking tidak membutuhkan citra asli untuk mengekstraksi watermark. Sedangkan pada nonblind watermarking membutuhkan citra asli untuk dapat mengekstrak watermark. Discrete Wavelet Transform (DWT) menguraikan citra
dalam domain spasial bersamaan dengan domain frekuensi. Singular Value Decomposition (SVD) dinilai cocok untuk aplikasi watermarking karena cukup beberapa nilai singular terbesar saja yang digunakan untuk menyisipkan watermark dari sub-band DWT. Watermark yang disisipkan harus memenuhi beberapa persyaratan yaitu watermark tidak mempengaruhi kualitas citra host yang disisipkan, watermark tidak terlihat secara visual, dan watermark dapat diekstraksi setelah dilakukan penyisipan. Tugas akhir ini melanjutkan penelitian tugas akhir yang telah dilakukan sebelumnya[6]. Berbeda dengan tugas akhir sebelumnya, tugas akhir ini menggunakan blind watermarking pada citra digital.
1.2. Perumusan Masalah
BAB I PENDAHULUAN
2 1.3. Tujuan Penelitian
Merealisasikan blind watermarking pada Citra Digital menggunakan Discrete Wavelet Transform (DWT) dan Singular Value Decomposition (SVD).
1.4. Pembatasan Masalah
1. Implementasi menggunakan bahasa pemograman MATLAB.
2. Citra digital yang digunakan dalam proses watermarking adalah citra greyscale dalam format bmp.
3. Watermark berupa data biner 32 bit.
4. Pemrosesan citra untuk pengujian ketahanan watermark adalah rotasi, scalling, smoothing dengan median filtering, penambahan noise Gaussian, dan kompresi.
5. Kualitas dari citra digital yang sudah terwatermark diukur dengan MOS
& PSNR.
1.5. Metodologi
BAB V KESIMPULAN DAN SARAN
36 BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan
1. Digital watermarking menggunakan teknik DWT (Discrete Wavelet Transform) dan SVD (Singular Value Decomposition) berhasil direalisasikan. 2. Untuk mendapatkan citra yang disisipi watermark dengan PSNR lebih besar dari 35 dB dan nilai NC lebih besar dari 0.8 pada Ɵw = 0.02, umumnya penyisipan watermark dilakukan mulai pada singular value ke 7 atau 8. 3. Nilai MOS untuk p = 7, 8, 9 dan 10 berada dalam skala good pada citra Lena,
dan Peppers, sedangkan untuk citra Baboon berada dalam skala fair.
4. Citra terwatermark setelah mengalami pemrosesan citra diperoleh bahwa watermark umumnya tahan terhadap pemrosesan citra seperti kompresi JPEG (90%), scaling (150%), dan rotate (90° ke kiri, 90° ke kanan, dan 180°),
sedangkan terhadap penambahan noise Gaussian (20%, 40% dan 60%), median filter (3x3, 5x5 dan 7x7), dan scaling (50% dan 75%), watermark tidak tahan.
5.2. Saran
DAFTAR PUSTAKA
37
DAFTAR PUSTAKA
[1] Cahyana, Basarudi, dkk. 2007. Teknik Watermarking Citra Berbasis SVD. Depok: UI.
[2] Fahmi; “Studi dan Implementasi Watermarking Citra Digitaldengan Menggunakan Fungsi Hash”, Institut Teknologi Bandung, Bandung, 2007.
[3] Fahthony, Dean; “Watermarking pada Citra Digital Menggunakan Discreate Wavelet Transform”, Institut Teknologi Bandung, Bandung, 2007.
[4] Kyung-Su Kim, Min-Jeong Lee, and Heung-Kyu Lee, “Blind Image Watermarking Scheme in DWT-SVD domain”, Korea Advanced Institute of Science and Technology Department of EECS, Guseong-dong, Yuseong-gu, Daejon, Republic of Korea.
[5] G.C. Langelaar, I. Setyawan, and R.L. Lagendijk. Watermarking digital image and video data. IEEE Signal Processing Magazine, 17(5):20-46, 2000.
[6] R. Liu and T. Tan. SVD-based watermarking scheme for protecting rightful ownership. IEEE Trans. On Multimedia, 2002.
[7] J. Liu, X. Niu, and W. Kong. Image watermark based on singular value decomposition. Proc. of the Int. Conf. Intelligent Information Hiding and Multimedia Signal Processing, 2006.
[8] Sigalingging, D.G.,”Watermarking Citra Digital Berbasis DWT-SVD”,Tugas Akhir,TE-UKM,2013.
[9] A.Sverdlov, S. Dexter, and A.M. Eskicioglu. Robust DCT-SVD domain image watermarking for copyright protection: embedding data in all frequencies. 13th European Signal Processing Conference, 4-8, 2005.
[10] http://www.ittekom.ac.id/library/index.php?view=article&catid=15 %3Apemrosesan-sinyal&id=92%3Asvd-singular-valuedecomposition&
DAFTAR PUSTAKA
38
[11] http:/www.ittelkom.ac.id/library/index.php?view=artice&catid=20%Ain formatika&id=5753Asegmentasi-citra&option=comcontent&Itemid=25
[12] http://id.wikipedia.org/wiki/korelasi
[13] http://repository.usu.ac.id/bitstream/123456789/31325/4/Chapter%20II.pd f
[14] http://repository.usu.ac.id/bitstream/123456789/24447/4/Chapter%20II.pd f
