Hasil Pencarian  ::  Simpan CSV :: Kembali

"Teknik nilai dekomposisi nilai singulir (SVD) merupakan salah satu teknik yang dapat digunakan untuk pemampatan data digital pada bidang kedokteran, tetapi masih perlu dioptimalkan dan diefisienkan. Jadi, penelitian ini bertujuan untuk (1) Menghasilkan teknik pemampatan SVD yang lebih efektif untuk pemampatan citra biomedik dengan menggunakan metode blok dan non-blok dan (2) Mengetahui potensi SVD untuk pemampatan citra biomedik, khususnya citra CTScan, MRI, dan X-ray. Untuk mencapai tujuan tersebut, metode yang digunakan adalah metode non blok dan metode blok. Pada kedua metode itu, dilakukan pemodifikasian teknik SVD, SDD, dan BTC untuk melihat keefektifan dan potensi masing-masing teknik. Hasil uji coba dan analisis menunjukkan bahwa (1) varian teknik SVD, yaitu teknik SDD cocok digunakan hanya pada citra biomedik CT-Scan; (2) metode shuffle dapat memperbaiki kualitas citra biomedik; (3) teknik SDD dan teknik SSDD menghasilkan ukuran file yang lebih kecil; (4) teknik SDD dan teknik SSDD lebih unggul pada metode blok; (5) karakteristik citra mempengaruhi hasil pemampatan citra; dan (6) spesifikasi perangkat lunak dan keras mempengaruhi kinerja algoritma pemampatan citra biomedik. Untuk mendapatkan pemampatan yang lebih baik diperlukan metode penyimpanan matriks yang optimal. Karena itu penelitian lanjutan pada aspek ini masih diperlukan."

"Peningkatan teknologi di bidang penyimpanan data semakin menambah kemudahan didalam penyimpanan data dalam jumlah yang besar. Bila sebelumnya kesulitan penyimpanan data lebih dikarenakan oieh media penyimpanan yang terbatas, sekarang telah tersedia berbagai jenis media penyimpan yang memberikan kemudahan bagi para penggunanya untuk dapat melakukan penyimpanan data dalam jumlah besar baik secara permanen ataupun sementara. Kemudahan inilah yang membuat berbagai produsen perangkat lunak mulai mengembangkan berbagai jenis data yang menunjang penyimpanan data bergerak dalam berbagai bidang. Namun sejalan dengan perkembangan tersebut ada beberapa hal yang menjadi hambatan didalam pemanfaatan dari penyimpannan data ini. Diantaranya adalah masalah keamanan, pembajakan bahkan pemalsuan data yang dapat dilaksanakan secara mudah dan dalam waktu yang relatif tidak terlalu lama. Hambatan tersebut salah satunya dapat diatasi dengan memanfaatkan teknologi kriptografi atau penyandian data dalam format tertentu yang tidak mudah untuk diubah dan di Baca dengan berbagai perangkat lunak yang banyak beredar dipasaran. Namun jalan keluar tersebut jugs memiliki hambatan dalam pelaksanaannya, mengingat pelaksanaan penyandian data (kriptografi) tersebut dilakukan dengan tujuan agar data tersebut tidak mudah diubah dan didistribusikan, maka pada pendistribusiannya juga perlu menyertakan perangkat lunak yang dapat melakukan pembacaan kembali data tersebut secara akurat. Dengan alasan diatas maka dibuat perangkat lunak yang memilil kemampuan untuk membaca dan menampilkan gambar dengan format penyandian yang sama, mengatur pengolahan kualitas citra, mengubah citra menjadi format standar JPEG dan bmp, dan mencetaknya tapi tapi tetap mengutamakan jumlah atau besar file yang cukup kecil sehingga tidak pedu dilakukan instalasi untuk penggunaannya."

"ABSTRAKLaboratorium Irisa UBS ingin meningkatkan fungsi platform perangkat lunak yang bernama PELICAN. PELICAN adalah sebuah platform yang digunakan untuk pengolahan dan analisis citra yang bekerja pada bahasa pemrograman Java. Ruang lingkup, banyaknya fungsi serta algoritma yang tertanam memungkinkan kita untuk lebih memahami struktur pada PELICAN, misalnya aturan-aturan untuk membuat algoritma di PELICAN dan bagaimana cara untuk memanggil fungsi di PELICAN dalam aplikasi demonstrasi. Indexing citra merupakan bagian dari pengolahan citra yang memiliki tujuan utama untuk mengelola gambar atau video pada seperangkat deskriptor konten, untuk mengukur kesamaan dengan deskriptor yang sesuai dengan query. Tetapi permintaan ini dapat mengambil bentuk yang sangat berbeda, dapat konseptual (kata misalnya), simbolik (misalnya kerusakan) atau instan (misalnya gambar yang lain). Oleh karena itu sangat penting untuk memiliki sistem untuk mengindeks dan mencari gambar yang paling relevan untuk konten pada gambar / video tersebut. Maximally Stable Extremal Regions (MSER) adalah salah satu dari beberapa algoritma untuk menemukan region interes. Algoritma ini diusulkan oleh Matas untuk menemukan korespondensi antara unsur-unsur gambar dari dua gambar dengan perspektif yang berbeda.

---

ABSTRACTIRISA UBS laboratory wants to improve the functionality of its software platform PELICAN. PELICAN is a platform used for the analysis and image processing in Java. The environment of PELICAN and its many functions and embedded algorithms allow us to better understand its structure, for example rules to create an algorithm in PELICAN and how to call a function in PELICAN in a demonstration application. Image Indexing is a part of image processing that has the main objective is to attach to an image to a video or a set of descriptors of the content, in order to measure the similarity with the descriptors corresponding to the query. But this query can take very different forms, it can be conceptual (eg word), symbolic (eg breakdown) or instant (eg another image). It is therefore very important to have a system for indexing and searching for images that are most relevant for their content. Maximally Stable Extremal Regions (MSER) is one of several algorithms to find the region of interest. This algorithm was proposed by Matas to find correspondences between the elements of the images from two images with different perspectives."

"Penelitian ini menyajikan penggunaan metode Phase Only Correlation (POC) pada motion estimation dengan teknik full search menggunakan Graphical Processing Unit (GPU). Dengan fungsi POC, seseorang dapat melakukan estimasi translasi motion antara dua blok citra referensi dan citra yang diproses. Full Search berbasis POC adalah algoritma yang membutuhkan waktu proses lama. Hal ini menyebabkan sistem yang dicoba pada penelitian ini memproses fungsi POC pada Graphical Processing Unit (GPU) yang memiliki kelebihan dalam menyelesaikan perhitungan bilangan floating point dibandingkan CPU. Evaluasi dilakukan dengan menghitung kecepatan waktu proses menggunakan GPU pada video resolusi tinggi dengan resolusi hingga 1280x720 pixel. Hasil pengujian menunjukkan bahwa metode yang diselesaikan menggunakan GPU memiliki percepatan hingga hampir dua kali lipat pada ukuran blok POC 256 x 256 daripada menggunakan CPU.

---

This research presents a method using Phase Only Correlation (POC) on the motion estimation with full search technique using the Graphical Processing Unit (GPU). With POC function, someone can estimate the translational motion between two blocks of the reference image and the processed image. POC based Full Search is an algorithm that takes long time process. This leads the system that is used in this research to process the POC function on Graphical Processing Unit (GPU) which has advantages in solving the floating point calculations than the CPU. Evaluation is conducted by calculating the speed of processing time using a GPU on a high-resolution video with resolutions up to 1280x720 pixels. The test results show that the method that is solved using GPU has an acceleration up to nearly twice the size of the POC block 256 x 256 instead of using the CPU."