Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKWatermarking merupakan teknik penyisipan data atau informasi yang bersifat rahasia ke dalam media data digital lainnya. Watermarking pada citra digital dibutuhkan sebagai perlindungan terhadap kepemilikan citra digital. Tujuan penelitian ini adalah merancang simulasi algoritma watermarking dengan menggunakan transformasi wavelet diskrit dari beberapa mother wavelet seperti diskrit meyer, daubechies, symlet, dan haar. Hasil pengujian penyisipan citra watermark dengan beberapa dimensi yang berbeda, citra watermark dengan dimensi 64 x 64 piksel memiliki hasil yang paling baik. Proses watermarking dengan dekomposisi yang paling baik pada percobaan ini terjadi pada dekomposisi satu level. Pengujian penyisipan watermark dengan sub-band LL,LH,HL, dan HH, didapat bahwa penyisipan pada sub-band LL memiliki nilai PSNR yang paling baik. Citra asli yang telah disisipkan dengan citra watermark juga di uji secara subjektif. Hasil dari citra yang terwatermark tidak dapat dideteksi secara langsung oleh koresponden karena perubahan citra terwatermark tidak jauh berbeda dengan citra asli. Pengujian citra terwatermark terhadap robustness dengan ?salt & pepper? terjadi penurunan kualitas citra yang sangat tinggi. Pengujian citra terwatermark terhadap robustness dengan AWGN, tidak banyak mempengaruhi kualitas citra terwatermark. Nilai power noise dari AWGN yang diujikan dari 10-40 db, dengan nilai maksimum power noise dari AWGN adalah 40 db. Dari hasil percobaan beberapa jenis keluarga wavelet yang paling baik adalah diskrit meyer.

---

ABSTRACTWatermarking is a technique of embedding the data or information that is confidential to the other digital data media. Digital image watermarking is needed as a protection against the ownership of digital images. The purpose of this study is to design a simulated watermarking algorithm using discrete wavelet transform of a mother wavelet such as discrete meyer, daubechies, symlet, and haar. Test results with the embedding a watermark image several different dimensions, watermark image with dimensions of 64 x 64 pixels have the best result. The best decomposition process of watermarking in this study occurred at a single level of decomposition. Watermark embedding testing with sub-bands LL, LH, HL, and HH, found that the embedding in sub-band LL has the best PSNR values. The original image has been embedded with a watermark image was tested subjectively. The results of the watermarked image can not be detected directly by the correspondents because the change of watermarked image is not much different from the original image. The robustness of watermarking image with "salt and pepper" shows decrease in quality greatly. However, the test by adding the AWGN showed that the robustness did not affect the quality of watermarked image. The experimental result by varying power noise, ranged from 10 db to 40 db, with a maximum power noise of AWGN is 40 db. From the experimental results, the discrete meyer is the best type among the wavelet family."

"Perkembangan dunia internet yang begitu cepat pada dekade terakhir ini telah membuka peluang produsen untuk memproduksi secara komersial media dijital. Media ini mencakup data, teks, gambar, audio maupun video. Untuk itu pengembangan perlindungan terhadap hak kekayaan intelektual menjadi isu yang sanngat penting, Watermarking adalah teknologi yang mampu melindungi hak kekayaan intelektual dari pemilik konten. Pada tugas skripsi ini disajikan skema real time video stream watermarking dengan menggunakan Transform Wavelet Diskrit. Dalam sistem ini, watermark disisipkan pada setiap frame yang ditangkap oleh webcam yang diproses dengan real time.

---

The fast development of the Internet in the last decade has increased the company's opportunity for commercial presentation of their digital media products. The media may include data, text, image, audio and video. The intellectual property right protection is becoming an increasing important issue, digital watermarking is a technology that capable to protect the intellectual property right of the content owners. This paper presents a real time video stream watermarking scheme using Discrete Wavelet Transform. In this system, watermark is embedded in frames that captured by webcam in real time."

"Salah satu teknologi yang banyak diaplikasikan untuk mengolah data citra sebagai sumber informasi utama adalah teknologi penginderaan jauh atau remote sensing. Beberapa aplikasi remote sensing menuntut citra yang berkualitas baik, namun dalam ukuran yang lebih kecil mengingat ukurannya yang sangat besar. Kebutuhan inilah yang mendorong berkembangnya teknologi pemampatan citra atau image compression. Skripsi ini membahas tentang teknik kompresi citra gabungan antara prediksi linier antarband (kompresi spektral) dengan transformasi wavelet dan Discrete Cosine Transform (DCT) sebagai kompresi spasial. Jenis transformasi wavelet yang digunakan adalah LS 9/7, CDF 9/7, dan multiwavelet Daubechies 10 (Db10) + LS 9/7. Dari hasil ekperimen data MODIS berukuran 2048 x 2048, dapat disimpulkan rasio kompresi berbanding terbalik dengan nilai PSNR yang dihasilkan, sementara tingkat level dekomposisi sebanding dengan nilai PSNR dengan level ideal 5. Meskipun memiliki PSNR yang tinggi, metode DCT tidak menghasilkan kualitas citra hasil kompresi yang memadai, terbukti dengan rendahnya nilai co-histogram simetri (SCH). Metode kompresi yang paling baik adalah multiwavelet (Db10+LS9/7) karena menghasilkan PSNR yang stabil di atas 50 dB hingga rasio kompresi 100 dengan nilai SCH rata-rata 0.99.

---

An image/picture could contain thousands of information. Remote sensing is a technology which uses an image in the form of satellite imagery as the main source of information. Remote sensing applications require good quality of image, represented by smaller size, since satellite sensors have wide measurement coverage of Earth surface. In this regards, image compression is needed.

This thesis report covered image compression techniques using combination of interband prediction (as spectral compression) and discrete cosine transform (DCT) and wavelet transform (as spatial compression). Several wavelet transforms are applied in the experiment, such as LS 9/7, CDF 9/7, and multi-wavelet Daubechies 10 (Db10) + LS 9/7.

The experiment results showed that the higher the compression ratio, the smaller PSNR values. This applies to all four methods of compression which were tested in this study. The higher level of decomposition of wavelet transformation, resulted in better PSNR. While the ideal level of decomposition for wavelet transformation is level 5. Even the DCT method resulted in high PSNR, but the quality of compression image is poor, which is shown in low Symmetrical Co-Histogram (SCH) value. The best result was obtained by combined method (Db10+LS9/7) which resulted in high PSNR (up to 50 dB), high compression ratio (up to 100), and average SCH values of 0.99."

"Visual communications services are now making a significant impact on modern society. Videoconferencing, HDTV and Multimedia are just examples where this technology is being used to good effect. Communicating using video signals does, however, require a large volume of data to be transmitted, and even with modern high-bandwidth communication links this can be expensive. This requires the implementation of efficient image or video coding and compression schemes. This paper presents image compression schemes using wavelet transform. This paper also highlights the importance of the four most desirable characteristics for use in digital signal processing, namely orthonormality, compactness, regularity or smoothness and symmetry or anti-symmetry. Some of these characteristics are mutually exclusive and require design compromise. From the simulation results it can be seen that for equal total length of the analysis (decomposition) and synthesis (reconstruction) filters, biorthonormal wavelets performs much better than the ortlionormal wavelet (i.e. asymmetrical wavelets). This performance is not only in terms of a higher WPSNR but also in terms of the quality of reconstructed image."

"ABSTRAKTuberkulosis TB merupakan salah satu penyakit yang masih banyak terjadi di Negara berkembang seperti Indonesia. Penyakit ini umumnya menyerang paru-paru karena kuman TB mencari tempat yang terdapat tekanan oksigen tinggi. Pendeteksian yang paling cepat dilakukan adalah pemeriksaan citra x-ray toraks dibandingkan dengan menggunakan metode tuberculin skin test TST dan pewarnaan cepat asam yang membutuhkan waktu lebih lama. Diagnosa citra ini sering terkendala karenat tenaga spesialis radiologi tidak menyebar rata pada setiap fasilitas kesehatan, untuk mengatasi hal itu diperlukan bantuan computer untuk mendeteksi citra tersebut yang sering disebut computer aided diagnostis CAD . Metode menggunakan pendekatan fitur tekstur dimotivasi oleh pemeriksaan rutin citra x-ray toraks abnormal yang cenderung menunjukkan perubahan salah satunya perubahan tekstur konten. Data yang digunakan pada penelitian ini diambil dari website Open-I yaitu dataset Montgomery County dan Shenzen. Sistem ini dimulai dengan segmentasi citra dengan metode k-means clastering, yang kemudian dilanjutkan dengan ekstraksi fitur. Ekdtraksi fitur dilakukan dengan metode Discrete Wavelet Transform DWT dan Gray Level Co-Occurance Matrix GLCM . Hasil dari ekstraksi fitur dilakukan klasifikasi untuk mengelompokkan citra yang terdapat TB dan yang bebas TB. Hasil akhir klasifikasi dibandingkan antara metode ekstraksi DWT, GLCM , dan penggabungan keduanya. Akurasi klasifikasi yang didapat dengan metode DWT sebesar 92,86 untuk dataset Montgomery County dan 93,94 untuk dataset Shenzen. Metode GLCM menghasilkan akurasi sebesar 85,71 untuk dataset Montgomery County dan 75,76 untuk dataset Shenzen. Sedangkan penggabungan dari keduanya menghasilkan akurasi 96,43 untuk dataset Montgomery County dan 93,94 untuk dataset Shenzen. Dari nilai akurasi tersebut dapat diketahui bahwa pengabungan kedua metode menghasilkan akurasi yang paling baik kemudian disusul metode DWT dan metode GLCM memiliki nilai akurasi paling kecil.

---

ABSTRACTTuberculosis TB is one of the diseases that still occur in developing countries like Indonesia. This disease usually attacks the lungs because TB germs look for places that contain high oxygen. The quickest detection was the x ray thoracic image examination compared with the tuberculin skin test TST method and fast acid staining which took longer time. Image diagnoses that are often constrained by radiologist specialists do not spread on average at every Health facility, to gather what is needed computer help to detect what is often called computer assisted diagnostics CAD. Methods using the texture feature approach are motivated by routine x ray image inspection of the abnormal piston originating from each texture content . The data being reviewed by the Open I website is the Montgomery County and Shenzen datasets. This system starts with image segmentation with k means clustering method, which then continued with extraction feature. The feature extraction is performed by Discrete Wavelet Transform DWT method and Gray Level Co Occurance Matrix GLCM . The results of the extraction feature were performed to group the images that contained tuberculosis and the TB free ones. The final result between the DWT extraction method, GLCM, and the merging of both. The classification accuracy obtained by the DWT method is 92.86 for the Montgomery County dataset and 93.94 for the Shenzen dataset. The GLCM method obtained an accuracy of 85.71 for the Montgomery County dataset and 75.76 for the Shenzen dataset. The combination of both obtained 96.43 accuracy for the Montgomery County dataset and 93.94 for the Shenzen dataset. From the value of accuracy can be seen that the merging of both methods produce the best accuracy then followed by DWT method and GLCM method has the least accuracy value."

"Dalam beberapa tahun terakhir, penelitian algoritma enkripsi citra menggunakan compressive sensing dan sistem chaotic telah banyak dikembangkan. Dengan memanfaatkan properti yang kompleks dari ergodisitas, tidak mudah untuk diprediksi, dan sensitifitas terhadap keadaan awal dari suatu sistem chaotic, suatu sistem chaotic dapat digabungkan dengan compressive sensing. Banyak algoritma enkripsi yang menggunakan sistem chaotic pada dimensi rendah menanggung risiko keamanan dan ekspansi data enkripsi. Selain itu, algoritma enkripsi menggunakan compressive sensing menghasilkan citra dekripsi dengan kualitas citra yang berbeda dengan citra awal. Penelitian ini bertujuan untuk mengatasi kelemahan ini dengan mengembangkan metode enkripsi citra menggunakan 2D Sine-Chebyshev-ICMIC Map, compressive sensing dan multi-level discrete wavelet transform. Representasi sparse dibentuk menggunakan multi-level discrete wavelet transform dengan mengelompokan koefisien wavelet. Fungsi hash SHA-256 dari citra awal digunakan untuk menghasilkan kondisi awal dari chaotic map sehingga dapat meningkatkan ketahanan terhadap serangan known-plaintext dan chosen-plaintext. Hasil penelitian menunjukkan metode enkripsi citra memiliki ketahanan dan keamanan dari beberapa serangan dengan hasil kompresi yang baik

---

In the past few years, the research in image encryption using compressive sensing and chaotic system has grown rapidly. With complex properties of ergodicity, unpredictability, and sensitivity to the initial states of chaotic system, chaotic system can be combined with compressive sensing. There are many encryption algorithm that used low-dimensional chaotic system that suffer security risks and expansion in encryption data. Furthermore, encryption algorithm using compressive sensing gives the differences between the plain image and the decrypted image. This study aims to overcome this weakness by developing image encryption method using 2D Sine-Chebyshev-ICMIC Map, compressive sensing and multi-level discrete wavelet transform by grouping the wavelet coefficient. SHA-256 hash function of the plain image is generated to calculate the initial states of chaotic system. Result from experiments shows that the enryption method has robustness and secure againts some attacks with good compression result"

"Perkembangan teknologi sistem telekomunikasi berkembang sangat cepat. Berbagai cara dilakukan untuk meningkatkan kinerja sistem telekomunikasi yang handal. Seiring dengan perkembangan teknologi pita lebar, sistem telekomunikasi yang digunakan pada saat ini juga terus dikembangkan agar dapat menghasilkan performa yang lebih baik lagi. Teknik yang digunakan dalam sistem pita lebar tersebut saat ini yaitu menggunakan teknik Orthogonal Frequency Division Multiplexing (OFDM).Orthogonal Frequency Division Multiplexing (OFDM) merupakan suatu teknik transmisi yang menggunakan beberapa frekuensi subcarrier yang saling tegak lurus. Sistem OFDM mampu memberikan efisiensi bandwidth yang lebih tinggi dibandingkan dengan sistem Frequency Division Multiplexing (FDM) biasa. Untuk membuat sinyal OFDM diperlukan suatu teknik transformasi yang diterapkan dalam sistem OFDM. Beberapa transformasi yang biasanya digunakan dalam sistem OFDM ialah Discrete Fourier Transform (DFT) dan Discrete Wavelet Transform (DWT).Dalam skripsi ini dirancang dan dianalisa sistem OFDM yang menggunakan transformasi Lifitng Discrete Wavelet Transform (LDWT). LDWT merupakan pengembangan dari trasformasi DWT. Kelebihan-kelebihan yang dimiliki oleh transformasi LDWT ini mampu memberikan performa yang lebih baik untuk sistem OFDM. Dari hasil simulasi didapatkan bahwa sistem OFDM-LDWT menghasilkan nilai BER yang lebih baik dibandingkan sistem OFDM-DWT untuk wavelet Db2, Sym2, dan Coif2, sedangkan wavelet Haar menghasilkan nilai BER yang sama baik. Nilai BER paling baik yang dihasilkan sistem OFDM-LDWT yaitu pada saat menggunakan wavelet Haar, Db2, dan Sym2 pada kanal AWGN dengan menggunakan modulasi QPSK dan tanpa menggunakan Cyclic Prefix (CP).

---

The development of telecommunication system grows rapidly. Various methods are used to improve the performance of telecommunication system. Due to the development of broadband communication, telecommunication system should be developed to reach the good performance. The technology used in broadband system is Orthogonal Frequency Division Multiplexing (OFDM).Orthogonal Frequency Division Multiplexing (OFDM) uses multiple orthogonal subcarriers frequency. OFDM system can provide higher bandwidth efficiency than Frequency Division Multiplexing (FDM) system. A transformation technique is required to build the OFDM signal. Some transformations used in the OFDM system is the Discrete Fourier Transform (DFT) and Discrete Wavelet Transform (DWT).This final project designs and analyzes OFDM system using Lifting Discrete Wavelet Transform (LDWT). LDWT is the next generarion of DWT transform. The advantages of LDWT transform can improve the performance of OFDM system. The result of simulation shows that OFDM-LDWT system has a better BER than OFDM-DWT system in the wavelet Db2, Sym2, and Coif2, while the wavelet Haar has the same good BER. System of OFDM-LDWT has the best performance of BER when using wavelet Haar, Db2, and Sym2 in the AWGN channel with QPSK modulation and without Cyclic Prefix (CP)."

"ABSTRAKData/informasi merupakan aset berharga yang harus senantiasa dijaga, dilindungi,dan diamankan agar tidak disalahgunakan. Salah satu usaha dalam mengamankandata/informasi tersebut ialah dengan menerapkan konsep steganografi. Tujuan dariskripsi ini adalah menyusun algoritma penyembunyian data rahasia yang berupacitra digital dengan menggunakan metode Haar Discrete Wavelet Transform(DWT) yang dikombinasikan dengan teknik penggabungan dua buah citra yangdisebut dengan alpha blending. Proses dilakukan dalam dua tahap yakni tahapembedding (penyisipan citra rahasia) dan extracting (ekstraksi citra rahasia).Proses embedding melibatkan metode DWT dan alpha blending. Sementara padaproses extracting dilakukan metode DWT, transformasi power law, dan ekstraksialpha blending. Transformasi power law digunakan untuk membentuk citra yangmirip dengan cover image. Hasil dari transformasi ini akan digunakan dalamproses ekstraksi alpha blending untuk memperoleh citra rahasia dari prosesekstraksi. Implementasi program telah dilakukan terhadap data uji berupa citradan diperoleh hasil Peak Signal to Noise Ratio (PSNR) antara stego image dancover image serta PSNR antara secret image dan secret image hasil ekstraksiberkisar pada nilai 40-50dB. Ini menunjukkan bahwa kualitas citra awal tidak jauhberbeda dengan kualitas citra yang telah disisipi data rahasia. Nilai PSNR terbaikdiperoleh saat pada proses alpha blending dan nilai padatransformasi power law. Sehingga secara kasat mata citra awal dan citra yangtelah disisipi data rahasia akan sulit dibedakan.

---

ABSTRACTData/information is a valuable asset that must be mantained, protected, andsecured so it cannot be manipulated. One of many ways to secure the data is toimplement steganography. The purpose of this mini thesis is to design a secretdata hiding algorithm using Haar Discrete Wavelet Transform (DWT) combinedwith alpha blending technique. The algorithm consists of two processes:embedding (to embed secret image to cover image) and extracting (to extractsecret image from stego image). Embedding process involves DWT method andalpha blending process. While extracting process uses DWT, power lawtransformation, and alpha blending extraction. Power law transformation isneeded to generate an image which visually looks like cover image. The resultwill be used on extracting alpha blending process to obtain the secret image. Theimplementation of algorithm has been tested to some sample images and it hasbeen obtained that the Peak Signal to Noise Ratio (PSNR) of stego image is in therange 40-60dB. It shows that the initial image quality is not much different thanthe embedded image. This condition makes the secret image imperceptible. Fromthe experimental result, when and the method results the bestPSNR. So visually, cover image and stego image will be indistinguishable."

"ABSTRAK

Proses deteksi tumor otak dengan komputer dilakukan melalui empat tahapan utama. Pada tahap awal dilakukan pra-proses dengan median filter untuk memperbaiki kualitas citra. Kemudian dilanjutkan dengan ekstraksi fitur menggunakan dekomposisi wavelet haar bertingkat tiga agar ukuran citra tidak terlalu besar, hanya 1/8 dari ukuran citra asalnya. Setelah itu dilakukan proses reduksi dimensi menggunakan Principal Component Analysis (PCA). PCA menentukan komponen penting dari citra dengan melihat dari varians yang direpresentasikan oleh nilai eigen, sehingga jumlah komponen yang akan dimasukkan ke proses pembelajaran tidak terlalu banyak, untuk menghindari curse of dimentionality. Baru setelah itu dilakukan proses pembelajaran menggunakan metode Backpropagation Neural Network (BPNN) dengan 10 hidden neuron, dimana proses pelatihan dan pengujian dilakukan untuk mendapatkan bobot dan bias yang terbaik dan kemudian diuji. Hasil akurasi pengenalan pada kondisi awal ini mencapai 87%, sementara pada kondisi ideal yang menggunakan dekomposisi wavelet haar bertingkat empat dan 3 hidden neuron pada BPNN mencapai akurasi pengenalan 100%.

---

ABSTRACT

Brain tumor detection process by the computer is going through four main step. First is pre-processing that using median filter to enhance the image quality. The second is feature extraction using level-3 haar wavelet decomposition, so that the image is not too big, only 1/8 of the original size . The third is dimentionality reduction using Principal Component Analysis (PCA). PCA determine the principal component of the image from variances, which represented by eigen value. So the component that will be used in learning step is much fewer, to avoid the curse of dimentionality. And the last step is learning, using Backpropagation Neural Network (BPNN) with 10 hidden neuron. The BPNN going through training and testing phase. BPNN will find its optimal weight and bias, and those weight and bias are being tested. The result from BPNN could distinguish images into normal and tumor, with accuracy 87% in default condition. In ideal condition, which is using level-4 haar wavelet decomposition and 3 hidden neuron in BPNN, the accuracy is 100%.

"

"Tomografi terkomputasi/CT memiliki keterbatasan dalam mendiferensiasikan material heterogen. Diantara solusinya adalah menggunakan CT dengan sinar-X bervariasi, lalu melakukan image fusion untuk menggabungkan citra proyeksi beda energi tersebut. Dalam penelitian ini, digunakan algoritma image fusion berupa Discrete Wavelet Transform (DWT) dan Non Subsampled Contourlet Transform (NSCT) untuk mengamati performanya dalam meningkatkan kualitas sistem CT sinar-X di BRIN. Digunakan tiga jenis sampel: threaded pipe union PVC, busi, dan set sampel multimaterial berupa lima silinder beda material. Dihasilkan 7 set slice citra yang difusi menggunakan MATLAB. Dari hasil fusi, didapat bahwa algoritma DWT dengan aturan fusi max-max memberikan hasil fusi dengan kontras tertinggi, dengan rerata STD 0.1852 ± 0.0002. Metode NSCT memberikan kesamaan per piksel tertinggi antara citra sumber dan citra fusi, dengan rerata FMI 0.9284 ± 0.0016 dan PSNR takhingga dari kalkulasi MATLAB. Algoritma DWT dengan aturan fusi mean-mean memberikan kesamaan struktural terbaik dengan rerata SSIM 0.9221 ± 0.0004. Namun, evaluasi visual menunjukkan kedua algoritma tersebut kurang efektif menghilangkan noise dan artifact. Oleh karena itu, diperlukan peningkatan kualitas pra-pemrosesan citra hasil rekonstruksi sebelum fusi, pemilihan sampel yang lebih sesuai dari tipe material hingga geometri sampel, serta bereksperimen dengan bermacam-macam algoritma fusi lainnya

---

Computed tomography/CT has limitations in differentiating heterogeneous materials. Among the solutions is to use CT with varying X-rays and image fusion to combine the different energy projection images. In this study, Discrete Wavelet Transform (DWT) and Non Subsampled Contourlet Transform (NSCT) image fusion algorithms were used to observe their performance in improving the quality of the X-ray CT system at BRIN. Three types of samples were used: PVC threaded pipe union, spark plugs, and a multimaterial sample set of five cylinders of different materials. Seven sets of image slices were fused using MATLAB. From the fusion results, it was found that the DWT algorithm with max-max fusion rule gave the highest contrast fusion results, with a mean STD of 0.1852 ± 0.0002. The NSCT method provides the highest per-pixel similarity between the source image and the fused image, with a mean FMI of 0.9284 ± 0.0016 and infinite PSNR from MATLAB calculations. The DWT algorithm with mean-mean fusion rule provided the best structural similarity with a mean SSIM of 0.9221 ± 0.0004. However, visual evaluation showed that both algorithms were less effective at removing noise and artifacts. Therefore, it is necessary to improve the pre-processing quality of the reconstructed image before fusion, select more suitable samples from material type to sample geometry, and experiment with various other fusion algorithms."