Penerapan Transformasi Wavelet Diskrit Untuk Reduksi Noise Pada Citra Digital

Dwi Ratna Sulistyaningrum; Herlina Khukmiati

Authors

Dwi Ratna Sulistyaningrum Jurusan Matematika, Institut Teknologi Sepuluh Nopember, Surabaya
Herlina Khukmiati Jurusan Matematika, Institut Teknologi Sepuluh Nopember, Surabaya

Keywords:

Transformasi wavelet diskrit, Reduksi noise, threshold, VisuShrink, BayesShrink dan NormalShrink

Abstract

Permasalahan yang dihadapi pada pengolahan citra antara lain terjadinya noise, yang dapat mempengaruhi proses pengolahannya. Oleh karena itu diperlukan suatu proses reduksi noise yang bertujuan untuk mengurangi noise yang terdapat pada citra digital. Pada makalah ini reduksi noise dilakukan dengan menerapkan transformasi wavelet diskri, yang terdiri dari tiga langkah utama yaitu: dekomposisi citra, proses thresholding dan rekon- struksi citra. Nilai threshold yang digunakan dalam proses thresholding ditentukan dengan tiga metode, yaitu: VisuShrink, BayesShrink dan NormalShrink. Pemilihan filter yang digunakan pada saat dekomposisi dan nilai threshold pada thresholding akan mempengaruhi kualitas citra yang dihasilkan. Hasil implementasi dan uji coba reduksi noise dengan wavelet menunjukkan bahwa filter wavelet Coiflet-5 menghasilkan citra hasil dengan nilai RMSE terkecil. Sedangkan pada metode penentuan nilai threshold, metode yang memberikan hasil paling optimal adalah metode NormalShrink.

Downloads

Download data is not yet available.

References

Burrus, C.S., Rames A.G. and Haitao G., Introduction to Wavelet and Wavelet Transform: A. Primer, New Jersey Prentice-Hall International Inc., 1998.

Chang, S.G., Yu, B., Vetterli, M., “Adap- tive Wavelet Thresholding for Image De- noising and Compression,” IEEE Transac- tion Image Processing, September, 2000.

Chui, C.K, An Introduction to Wavelets, Texas A&M University College Station, Academic Press Inc., 1992.

Daubechies, I, Ten Lectures on Wavelets, Rutgers University and AT&T Bell Lab- oratories, Society for Industrial and Ap- plied Mathematic, Philadelphia, Pennsyl- vania, 1992.

Donoho, D. L. and Johnstone, I. M., “Ideal Spatial Adaptation via Wavelet Shrink- age,” Biometrika, Vol. 81, Agustus 1994.

Donoho, D. L. and Johnstone, I.M., “Adapting to Smoothness via Wavelet Shrinkage,” Journal of Statistical Associ- ation, Vol. 90, No.432, Desember 1995.

Kaur, L, Gupta, S and Chauhan, R.C, “Image Denoising using Wavelet Thresh- olding,” IEEE Transaction Image Process- ing.

Mallat, S.G., “A Theory for Multiresolu- tion Signal Decomposition : The Wavelet Representation,” IEEE Transaction on Pattern Analysis and Machine Intellegent, 1989.

Misiti, M., Oppenheim G. and Poggi, J.M., Wavelet Toolbox User Guide, The MathWork Inc., Maret 2002.

Polikar, R, The Wavelet Tutorial, http://www.public.iastate.edu-/ rpolikar, Durham Computation Center, Iowa State University, 1996.

Stollnitz, E.J., DeRose, T.D., and Salesin D.H., “Wavelet for Computer Graphics: A Primr Part 1,” IEEE Computer Graphics And Aplications, Mei, 1995.