Hasil Pencarian  ::  Simpan CSV :: Kembali

"Teknik pemampatan (compression) adalah salah satu cara untuk mereduksi pemakaian Iebar pita (bandwidth). Pada aplikasi transmisi ataupun penyimpanan gambar, teknik ini merupakan suatu cara untuk mereduksi pemakaian lebar pita dengan cara mengurangi jumlah bit yang merepresentasikan gambar. Salah satu teknik pemampatan gambar adalah dengan menggunakan metode pengalian nilai koefisien subband detail, setelah gambar yang akan dimampatkan ditransformasi wavelet. Teknik pemampatan ini cukup efektif karena selain memiliki rasio kompresi yang besar, nilai PSNR gambar setelah diekstrak kembali culcup baik. Disamping itu waktu proses pemampatan tidak terlalu lama. Suatu gambar setelah ditransformasi wavelet maju akan menghasilkan 2 (dua) jenis subband yaitu lowpass residue dan subband detail (subband horisontal detail, subband vertikal detail dan subband diagonal detail). Metoda ini bekerja dengan cara mengalikan subband detail dengan suatu konstanta (konstanta pengali subband detail) sehingga menghasilkan entropi yang lebih kecil dari gambar asli. Skripsi ini akan menjelaskan kompresi gambar dengan metoda tersebut dengan mensimulasikan pada komputer. Hasil simulasi berupa perhitungan-perhitungan yang akan dianalisa sehingga diperoleh jenis filter wavelet dan kombinasi konstanta pengali subband detail yang optimum."

"penelitian ini diusulkan implementasi 2D dan 3D Set Partitioning In Hierarchical Trees (SPIHT) coding pada kompresi data ECG multi-lead. Implementasi SPIHT mereduksi tiga jenis redundansi yang umumnya terdapat pada sinyal electrocardiogram (ECG), yaitu redundansi intra-beat, inter-beat, dan inter-lead. Kami juga mengusulkan tiga teknik optimisasi untuk meningkatkan kinerja kompresi lebih lanjut dengan mengelompokkan sinyal ECG yang berasal dari beberapa lead, menyusun kembali posisi ECG cycle pada 2D ECG array (beat reordering), dan menormalisasikan amplitudo dari 2D ECG array dengan residual calculation. Beat reordering menyusun posisi beat pada 2D ECG array berdasarkan kemiripannya dengan beat terdekat. Penyusunan ini mengurangi variasi antar beat-beat yang berdekatan sehingga 2D ECG array mengandung lebih sedikit komponen frekuensi tinggi. Residual calculation mengoptimalkan penggunaan ruang penyimpanan lebih lanjut dengan meminimalkan variasi amplitudo dari 2D ECG array. Hasil eksperimen terhadap sejumlah record pada St Petersburg INCART 12-lead Arrhythmia Database menunjukkan bahwa metode yang diusulkan menghasilkan distorsi rendah pada rasio kompresi 8 dan 16. Hasil eksperimen juga memperlihatkan bahwa pendekatan 3D SPIHT memiliki kinerja kompresi yang lebih baik dibanding 2D SPIHT. Untuk mengevaluasi kualitas sinyal hasil rekonstruksi pada permasalahan klasifikasi, pada penelitian ini kinerja dari metode kompresi sinyal ECG dianalisis dengan cara membandingkan sinyal asli dengan sinyal hasil rekonstruksi pada dua permasalahan; pertama, klasifikasi sleep stage berdasarkan sinyal ECG; kedua, klasifikasi arrhythmia. Hasil eksperimen menunjukkan bahwa akurasi dari klasifikasi sleep stage dan klasifikasi arrhythmia menggunakan sinyal hasil rekonstruksi sebanding dengan menggunakan sinyal input. Metode yang diusulkan dapat mempertahankan karakteristik sinyal pada kedua permasalahan klasifikasi tersebut.

---

In this study we proposed the implementation of 2D and 3D Set Partitioning In Hierarchical Trees (SPIHT) coding to a multi-lead ECG signal compression. The implementation of SPIHT coding decorrelates three types of redundancy that typically found on a multi-lead electrocardiogram (ECG) signal i.e. intra-beat, inter-beat, and inter-lead redundancies. We also proposed three optimization techniques to improve the compression performance further by grouping the ECG signal from precordial and limb leads, reordering the ECG cycles position in the 2D ECG array, and normalizing the amplitude of 2D ECG array by residual calculation. Beat reordering rearranged beat order in 2D ECG array based on the similarity between adjacent beats. This rearrangement reduces variances between adjacent beats so that the 2D ECG array contains less high frequency component. The residual calculation optimizes required storage usage further by minimizing amplitude variance of 2D ECG array.

Our experiments on selected records from St Petersburg INCART 12-lead Arrhythmia Database show that proposed method gives relatively low distortion at compression rate 8 and 16. The experimental results shows that 3D SPIHT approach gives better compression performance than 2D SPIHT. To evaluate the quality of reconstructed signal for classification task, we analyzed the performance of electrocardiogram (ECG) signal compression by comparing original and reconstructed signal on two problems. First, automatic sleep stage classification based on ECG signal; second, arrhythmia classification. Our experimental results showed that the accuracy of sleep stage classification and arrhythmia classification using reconstructed ECG signal from the proposed method is comparable to the original signal. The proposed method preserved signal characteristics for the automatic sleep stage and arrhythmia classification problems."

"Kemajuan yang pesat di bidang telekomunikasi dewasa ini menyebabkan timbulnya berbagai jenis teknik kompresi yang dimanfaatkan dalam berbagai aplikasi. Teknik kompresi yang sangat dikenal saat ini adalah teknik kompresi DCT (discrete cosine transform) dengan metode scanning zig-zagnya.Teknik kompresi yang sedang dikembangkan saat ini adalah teknik kompresi dengan menggunakan transformasi wavelet. Dari perhitungan lama proses, nilai PSNR dan SNR, ternyata teknik kompresi transformasi wavelet memberikan hasil yang lebih bagus dibanding teknik kompresi dengan menggunakan DCT.Sampai saat ini belum ada pembakuan metode scanning yang cocok untuk diterapkan pada transformasi wavelet. Tesis ini membahas simufasi penerapan metode scanning vertikal, horisontal, zig-zag, dan diagonal pada kompresi gambar diam dengan menggunakan transformasi wavelet.Dengan membandingkan kinerja rasing-masing metode scanning, dalam hal ini parameter yang diperbandingkan adalah lama proses, jumlah koefisien yang di-scan, perhitungan RMSE temyata diperoleh bahwa metode scanning yang cocok untuk transformasi Wavelet adalah metode scanning zig-zag.

---

Image compression is a process to reduce bit information of an image. The purpose of image compression is to obtain fewer amount of data and it can be reconstructed as a new image without decreasing its quality significantly. Image compression could be done in spatial domain or transformation domain.Wavelet transform is the effective methods for image compression process since its ability to localize the bit information contained of the image. One of the important steps in transformation image using wavelet transform is scanning step.To increase performance wavelet transform, choosing scanning method i.e. vertical, horizontal, zig-zag, and diagonal will be done. From analysis view depends on the composition of coefficient and time processing, it can be said that scanning method zig-zag give the best performance. ;Image compression is a process to reduce bit information of an image. The purpose of image compression is to obtain fewer amount of data and it can be reconstructed as a new image without decreasing its quality significantly. Image compression could be done in spatial domain or transformation domain.Wavelet transform is the effective methods for image compression process since its ability to localize the bit information contained of the image. One of the important steps in transformation image using wavelet transform is scanning step.To increase performance wavelet transform, choosing scanning method i.e. vertical, horizontal, zig-zag, and diagonal will be done. From analysis view depends on the composition of coefficient and time processing, it can be said that scanning method zig-zag give the best performance."

"Permasalahan utama dalam kompresi gambar adalah bagaimana mendapatkan PSNR (Peak Signal to Noise Ratio) dan Rasio Kompresi (RK) yang baik (tinggi) secara bersamaan serta gambar hasil kompresi yang masih dikenali oleh manusia serta waktu pemrosesan yang relatif cepat. Rasio kompresi yang tinggi menunjukkan penurunan nilai derajat keabuan (grayscale) dalam bit per piksel dan PSNR yang tinggi berhubungan dengan kwalitas gambar rekonstruksi yang diperoleh pada penerima. Proses kompresi dilakukan dengan mengkuantisasi koefisien-koefisien wavelet yang sangat beragam menjadi nilai dan tingkat tertentu. Nilai ini ditentukan oleh proses iterasi untuk mendapatkan distorsi minimal. Pemrosesan dengan ukuran sel yang sering digunakan yaitu 4x4 walaupun mempunyai PSNR yang tinggi namun mempunyai kelemahan rasio kompresi yang rendah serta waktu pengalahan yang relatif lama. Untuk itu digunakn ukuran sel (N) lain yaitu 8x8, 16x16 dan 32x32 kemudian dilakukan proses iterasi (k) untuk mencari distorsi minimum dan penambahan jumlah tingkat kwantisasi (M). Kedua hal terakhir ini adalah untuk menaikkan PSNR, sehingga walaupun ukuran sel diperbesar namun PSNRnya masih dapat dipertahankan. Dari nilai PSNR dan rasio kompresi yang diperoleh serta karakteristiknya diperoleh titik optimal yaitu pada ukuran sel ditambah proses iterasi don jumlah tingkat kwantisasi. Hasilnya adalah sel ukuran 32x32 dapat digunakan untuk mendapatkan rasio kompresi tertinggi dengan M=4, k=0 atau M=2, k=0 atau sel ukuran 16x16 untuk mendapatkan PSNR yang baik.

---

The main problem on image compression is how to achieve value both Compression Ratio (CR) and Peak Signal to Noise Ratio (PSNR) simultaneously high, a recognized reconstructed image and relatively small time processing. Compression ratio deals with decreasing grayscale value of an original image and PSNR deals with the quality of an image. In short word, the compression process is conducted by quantizing the various values to certain values and levels of wavelet coefficients. These values are determined by adding on iteration process to get minimum distortion in a cell. The cell size used is usually 4x4 that has the high PSNR, low compression ratio and high time processing. To dissolve such things, 8x8, 16x16 and 32x32 (N) of cell sizes are in use, iterate (k) and add of quantization level (M). The last two things are to enhance PSNR but to decrease compression ratio in contrast as well. From value of PSNR and CR as well as the characteristic, the optimum point is then to find out. The result is that 32x32 cell size is suitable to achieve the highest compression ratio with combining M=4 with k=O or M=2, k=O or 16x16 cell size to achieve good PSNR."

"ABSTRAKLossles data compression erat kaitannya engan masalah pengkodean. Bahkan inti dari kompresi data itu sendiri adalah pengkodean. Berbagai manipulasi data telah ditemukan oleh para ilmuwan di bidang lossless data compression. Salah satunya dan yang paling menarik adalah Burrows- Wheeler Transform (BWT) yang diambil dari nama dua penemuanya yaitu Michael Burrows dan David Wheeler. Hasil dari transformasi ini sangat bagus untuk proses pengkodean pada kompresi data.Skripsi ini mencoba merancang suatu kompresi data yang berbasis BWT dengan mempergunakan pengkodean konvensional Run Length Encoding, Move to Front Transform, dan Arithmetic Coding, kemudian coba diuji dan dianalisa performanya dibandingkan dengan standar program kompresi Linux gzip 1.3.3 agar dapat melihat kegunaan BWT tersebut."