1

COMPRESSED SENSING UNTUK APLIKASI

PENGOLAHAN CITRA

OMRIN TAMPUBOLON

2207100531

Jurusan Teknik Elektro

Bidang Studi Telekomunikasi Multimedia

Institut Teknologi Sepuluh Nopember Surabaya

DOSEN PEMBIMBING

Dr. Ir. Wirawan, DEA

PENGERTIAN

2

Apa

Compressed Sensing ?

2

COMPRESSED SENSING

3

Compressed Sensing (CS) adalah

Sebuah metode Sampling baru

di mana sinyal akuisisi dan kompresi

dilakukan pada saat yang sama.

LATAR BELAKANG

Semakin besar kebutuhan storage

Semakin besar kebutuhan bandwith dalam

transmisi data

4

3

1.Bagaimana merancang perangkat lunak

untuk simulasi proses pengolahan citra

compressed sensing ?

2.Bagaimana implikasi K-Sparse terhadap

kualitas citra hasil rekonstruksi

3.Bagaimana pengaruh Peak Signal to

Noise Ratio (PSNR) terhadap K-Sparse

5

PERMASALAHAN

BATASAN MASALAH

1.Data citra yang digunakan adalah

citra digital berskala gray level 8 bit

2.Rekonstruksi sinyal linier menggunakan

teknik L1 Norm atau dengan kata lain

Total Variation Minimation.

6

4

KONSEP CITRA DIGITAL

Citra yang digunakan dalam kehidupan

sehari hari, seperti foto, televisi dan

lainnya, merupakan masukan bagi sistem

visual ke bagian otak manusia. Citra

tersebut dapat didefinisikan sebagai citra

analog. Citra analog harus di digitalisasi

terhadap koordinat ruang (titik (x,y)) dan

intensitas cahaya.

“Image sampling”

7

KONSEP CITRA DIGITAL

Berdasarkan jumlah bit per pixel,

citra digolongkan menjadi 4 tipe yaitu :

1. Citra Biner

2. Citra Gray Scale

3. Citra Warna

4. Citra Multispektral

8

Dapat dilihat

secara visual

Tidak dapat dilihat

secara visual

5

KONSEP CITRA DIGITAL

Tipe citra yang di peroleh dari sistem visual

bergantung pada karakteristik spektral sistem

visual tersebut.

9

PERSEPSI VISUAL MANUSIA

10

Sistem peripheral : konversi cahaya yang ditangkap oleh mata manusia

menjadi sinyal – sinyal syaraf

Sistem sentral : proses sinyal – sinyal syaraf untuk mengskstraksi menjadi

Informasi pandangan manusia

6

KONSEP KOMPRESI CITRA

• Lossless compression

Mempertahankan data informasi secara utuh.

Hasil rekonstruksi data citra terkompresi akan

sama persis dengan citra awal.

• Lossy compression

Kompresi dimana dalam proses tersebut dapat menyebabkan hilangnya data.

Oleh karena itu, jika pada data citra terkompreskemudian dilakukan rekonstruksi, maka hasilnyahampir sama dengan data citra awal.

11

KONSEP COMPRESSED SENSING

12

7

APLIKASI COMPRESSED SENSING

Bidang Militer :

• Mengenali peluru kendali melalui sensor visual

• Mengidentifikasi jenis pesawat musuh

Bidang Kedokteran :

• Deteksi kanker dengan sinar X

• Rekonstruksi foto janin hasil USG

Komunikasi Data :

• Pemampatan citra transmisi

Hukum :

• Pengenalan sidik jari

• Pengenalan foto narapidana

13

14

ALGORITMA

KOMPRESI

8

HASIL KOMPRESI CITRA

15

Citra Asli

256 x 256 pixel

Crop citra asli

32 x 32 pixel

Crop terkopres

32 x 32 pixel

ALGORITMA

REKONSTRUKSI

16

9

HASIL REKONSTRUKSI CITRA TERKOMPRES

17

Citra terkompres

32 x 32 pixel

Citra rekonstruksi

32 x 32 pixel

RUMUS DALAM ANALISA

18

10

TABEL PENGUKURAN PSNR CITRA TERKOMPRES

19

N F-Compress K-Sparse Persentasi (%) MSEPSNR

(dB)

1024 2 512 50 0.000012 37.988

1024 4 256 25 0.000015 36.532

1024 6 171 17 0.000017 35.301

1024 8 128 13 0.000019 34.362

1024 10 102 10 0.000027 31.195

1024 12 85 8 0.000042 27.257

1024 14 73 7 0.000057 24.732

1024 16 64 6 0.000147 16.453

1024 18 57 6 0.000339 9.189

1024 20 51 5 0.000438 6.955

KESIMPULAN… 1

• Faktor utama dalam teknik compressed sensingyaitu mempertimbangkan jumlah k-sparse yang digunakan dalam proses kompresi danrekonstruksi citra.

• Semakin besar jumlah k-sparse dalam suatuproses kompresi dan rekonstruksi citra, makakualitas citra rekonstruksi yang dihasilkan akansemakin baik.

• Semakin baik kualitas citra yang dihasilkan darihasil rekonstruksi citra maka semakin besar pula nilai PSNR yang dihasilkan.

20

11

KESIMPULAN… 2

• Semakin besar jumlah K-Sparse yang digunakandalam proses kompresi dan rekonstruksi, makasemakin kecil nilai MSE yang dihasilkan, hal inimengindikasikan bahwa semakin kecil rata-rata error tiap pixel yang dihasilkan antara citra aslidan citra rekonstruksi.

• Dalam proses kompresi dan proses rekonstruksi, semakin besar ukuran pixel yang akan diolah, akan semakin mempengaruhi kecepatan dalamproses komputasi yang dilakukan.

21

SARAN

• Untuk mendapatkan hasil terbaik pada proseskompresi dan rekonstruksi citra, dapat dicapaidengan menggunakan algoritma greedy sepertiOrthogonal Matching Pursuit (OMP), Stage Wise Orthogonal Matching Pursuit (StOMP).

• Untuk mendapatkan citra kompresi dengankualitas warna 32 bit atau lebih, dilakukanpemrosesan yang terpisah terhadap peta warnamerah, hijau dan biru (RGB).

• Komputasi yang digunakan dalam proseskompresi dan rekonstruksi citra akan semakincepat, bilamana dijalankan dengan spesifikasikomputasi yang cukup tinggi.

22

12

23