Perpustakaan Digital ITB

AbsrakDalam disertasi ini, akan dibahas penerapan transformasi wavelet dalam bidang pengolahan citra yang mencakup pengolahan tingkat rendah, menengah dan tinggi yaitu masing-masing reduksi spekel, ekstraksi ciri dan segmentasi tekstur. Transformasi wavelet memiliki banyak sifat yang sangat bermanfaat khususnya untuk ketiga aplikasi ini antara lain representasi multiresolusi, informasi frekuensi yang terlokalisasi, informasi tepi yang sensitif terhadap arah, ortogonal, algoritma yang efisien dan kebutuhan memori yang kecil. Dalam aplikasi pertama yaitu reduksi spekel untuk citra SAR, banyak teknik yang telah diperkenalkan untuk mengurangi spekel, tetapi masih sangat sulit untuk memenuhi secara sekaligus dua kriteria yang harus dicapai oleh filter reduksi spekel yaitu penekanan spekel dalam daerah homogen dan pemertahanan tepi. Apabila ditambahkan kriteria ketiga yaitu tampilan alami secara visual, maka akan semakin sedikit filter reduksi spekel yang dapat menyeimbangkan ketiganya secara baik. Penerapan analisa multiresolusi dari transformasi wavelet dalam proses reduksi spekel bertujuan untuk memenuhi ketiga kriteria tersebut. Citra-citra detil hasil transformasi wavelet maju dua dimensi digunakan untuk mengidentifikasi informasi tepi pada berbagai skala. Filter yang diusulkan akan menekan spekel dengan memperkecil amplitudo dari citra detil dalam domain wavelet, sambil mempertahankan tepi dengan tidak melakukan reduksi amplitudo di sekitar tepi tersebut. Dengan merekonstruksi citra detil melalui penggunaan transformasi wavelet balik, filter akan menghasilkan suatu citra keluaran yang telah licin tanpa mengaburkan tepi. Hasil simulasi dan implementasi terhadap citra SAR menunjukkan bahwa spekel citra asli dapat ditekan secara signifikan tanpa mengubah harga rata-ratanya dan dengan kehilangan sekecil mungkin dari detil dan tepi sempit. Evaluasi hasil tersebut dengan hasil dari algoritma pemfilteran yang banyak dipublikasikan seperti filter median, filter Lee dan filter diboboti, menunjukkan bahwa algoritma yang diusulkan lebih unggul baik dalam kemampuan pelicinan spekel maupun pemertahanan tepi serta memberikan pula tampilan alami secara visual yang memuaskan.Dalam aplikasi kedua yaitu ekstraksi ciri tekstur, banyak metoda ekstraksi ciri tradisionil yang hanya memfokuskan pada hubungan antara piksel-piksel citra dalam skala tunggal, sehingga kurang memadai untuk mengkarakterisasi skala yang berbeda dari tekstur secara efektif Masalah lainnya yang sering muncul adalah adanya redundansi terhadap informasi yang tersaji dalam ciri dan jumlah dimensi ciri yang seringkali cukup besar sehingga menurunkan kinerja pengklasifikasi. Penerapan transformasi wavelet dalam proses ekstraksi ciri tekstur bertujuan untuk mengoptimalkan informasi keterpisahan tekstur dan memberikan hasil diskriminasi yang balk dengan dimensi yang lebih kecil. Metoda ekstraksi ciri yang diusulkan merupakan suatu pendekatan multiresolusi, sehingga mampu menganalisa sinyal dalam berbagai skala atau resolusi. Selain itu dimungkinkan pula untuk menelusuri frekuensi dominan secara adaptif Metoda ini terdiri dui dua langkah utama yaitu proses transformasi wavelet dan penghitungan ukuran tekstur. Dalam metoda yang diusulkan ini, transformasi wavelet struktur pohon dioptimasi dengan menunjuk kanal-kanal yang memiliki informasi tekstur maksimum pada tiap tingkat resolusi sebagai ciri tekstur, sehingga akan diekstraksi hanya elemen-elemen tekstur penting dari citra yang diberikan. Hasil penerapan metoda ini dalam proses klasifikasi disupervisi terhadap 25 kelas tekstur alami, mampu memberikan tingkat keakuratan klasifikasi sebesar 99,12%. Selain itu, metoda ini juga mernberikan waktu komputasi ekstraksi ciri yang sangat cepat yaitu hanya 0,4 detik untuk setiap cuplikan berukuran 128 x 128 piksel. Secara keseluruhan, hasil percobaan ini menunjukkan bahwa metoda yang diusulkan mampu memberikan hasil yang memuaskan, serta meningkatkan kinerja dengan mempercepat waktu komputasi. Aplikasi ketiga yaitu segmentasi tekstur tanpa disupervisi merupakan pengembangan dari metoda ekstraksi ciri tekstur yang diusulkan. Prosedur segmentasi tekstur ini terdiri dari dua tahap yaitu ekstraksi ciri dan proses klasterisasi. Proses dalam tahap pertama akan menghasilkan sekumpulan citra ciri yang berisikan sekumpulan vektor ciri. Vektor-vektor ciri ini, yang mewakili resolusi yang berbeda dui citra dekomposisi, diasumsikan mampu menangkap dan mengkarakterisasi secara efektif skala yang berbeda dari tekstur citra masukan. Dalam tahap kedua, ciri-ciri yang telah diekstraksi diklasterisasi berdasarkan harga vektornya dengan menggunakan algoritma K-means fuzzy. Algoritma klasterisasi ini memiliki keunggulan khususnya dalam menangani adanya kemenduaan atau ketidakpastian sekitar lokasi pada batas antara dua tekstur atau lebih yang bertetangga. Proses tahap kedua ini akan menghasilkan citra yang telah tersegmentasi dimana daerahnya terpisah satu sama lain sesuai dengan isi karaktersitik teksturnya. Keuntungan utama dari prosedur yang diusulkan ini adalah bahwa komputasi dapat dilakukan dalam suatu ruang dimensi yang lebih kecil, yang pada dasarnya mampu mempertahankan informasi yang diskriminatif dan memberikan ciri yang hampir tidak sating berkorelasi. Hal ini akan menyederhanakan proses segmentasi, serta tidak menurunkan unjuk kerja keseluruhan secara series. Dalam simulasi menggunakan citra sintetis, penerapan prosedur ini mampu memberikan hasil segmentasi dengan tingkat kesalahan sebesar 3,21%. Sementara itu, implementasi prosedur terhadap citra SAR mampu memberikan hasil yang memuaskan dalam mendiskriminasi daerah-daerah citra yang memiliki kandungan tekstur yang berbeda. Dalam studi ini diteliti pula kemampuan mendiskriminasikan dari empat basis wavelet yang berbeda yaitu Haar, Daubechies 4-tap, Daubechies 16-tap dan Battle Lemarie, serta tiga ukuran tekstur yang berbeda yaitu energi, uniformitas dan entropi. Dari hasil percobaan diidentifikasi bahwa basis wavelet Daubechies 16-tap dan ukuran energi memberikan kinerja terbaik untuk proses ekstraksi ciri tekstur dalam aplikasi klasifikasi disupervisi dan segmentasi citra tanpa disupervisi. Dari ketiga aplikasi pengolahan citra yang diusulkan, pendekatan menggunakan transformasi wavelet telah memberikan hasil dengan kinerja yang memuaskan. Melihat hasil yang diperoleh, cukup beralasan untuk mengganti teknik-teknik tradisionil dalam aplikasi reduksi spekel, ekstraksi ciri tekstur dan segmentasi tekstur yang masih menggunakan teknik analisa resolusi tunggal atau masih memakai transformasi Fourier. Dengan menggunakan metoda berbasis wavelet dapat memberi nilai tambah dalam pencapaian kompromi yang lebih baik antara hasil pengolahan, waktu komputasi dan kapasitas. memori komputer.