Hasil Pencarian  ::  Simpan CSV :: Kembali

"Banyak penyakit yang dapat ditimbulkan dari gigitan nyamuk seperti malaria, demam berdarah, dan cikumunya. Begitu seriusnya penyakit-penyakit ini, berbagai cara dilakukan untuk membunuh dan mencegah penyakit ini. Namun, pemakaian bahan kimia yang cukup lama akan menimbulkan resistensi pada nyamuk. Peracangan suatu alat pembunuh nyamuk menggunakan laser akan efektif dalam memerangi nyamuk. Karena nyamuk tidak bisa menghindar jika terkena laser. Namun, sebelum menembakkan laser ke nyamuk, diperlukan metode yang tepat untuk mendeteksi posisi nyamuk. Pada skripsi ini akan membahas metode deteksi posisi nyamuk menggunakan kamera berbasis Image Processing dengan metode blob counter. Parameter warna yang digunakan adalah parameter warna RGB (red, green, blue). Setiap gambar terdiri dari sekumpulan piksel yang memiliki informasi nilai RGB. Setiap piksel yang sesuai dengan parameter nyamuk akan ditandai dengan blob. Kumpulan blob yang diperoleh akan dikumpulkan dalam suatu rectangle untuk dicari koordinat centroid. Hasilnya adalah posisi nyamuk yang berupa koordinat x,y dalam gambar. Pada penelitian ini, jarak nyamuk dari kamera bisa diprediksi dengan melakukan kalibrasi jarak lensa ke image sensor. Sehingga, hasil yang diperoleh dari penelitian ini adalah posisi 3 dimensi nyamuk.

---

Many diseases can be caused from the bite of mosquitoes, such as malaria, dengue fever, and cikumunya. Once the seriousness of these diseases, various methods are used to kill and prevent these diseases. However, the use of chemicals that is long enough will cause resistance in mosquitoes. Designing a mosquito killer device using a laser will be effective in fighting mosquitoes because mosquitoes can not escape when exposed to the laser. However, before firing a laser into the mosquito, the proper method is needed to detect the position of mosquitoes.

In this paper will discuss about mosquito position detectoin method using camera based image processing with a blob counter method. Colors that are used as the color parameter are RGB (red, green, blue). Each image consists of a set of pixels that have RGB values information. Each pixel in accordance with the parameters of mosquitoes will be marked with a blob. Set of nearby blob will be collected in a rectangular to get coordinate of centroid.

The result of this study is mosquito position in x, y coordinates in the image. In this study, the distance of mosquito from camera could be predicted by calibrating the distance of the lens to the image sensor. Thus, the result is 3 dimensional positions of mosquitoes."

"Nyamuk merupakan salah satu jenis serangga yang menyebabkan berbagai jenis penyakit pada manusia, seperti demam berdarah, malaria, cikumunya dan gatal (alergi) pada kulit. Salah satu metode sistem eradikasi nyamuk yang sedang berkembang yaitu dengan menggunakan laser. Pada penelitian ini, webcam sebagai sensor berbasis pengolahan citra. Webcam sebagai komponen untuk menangkap citra obyek. Pixel obyek akan difilter dengan color filtering dan grayscale. Setelah proses filtering, dilakukan proses blob counter untuk mendapatkan bentuk rectangular dari obyek. Hasil blobing akan dilanjutkan ke proses euclidean, perhitungan jarak. Koordinat obyek akan dikirimkan dari PC (Personal Computer) ke mikrokontroler. Mikrokontroler mengirimkan instruksi kepada servo controler untuk bergerak mengikuti obyek dan laser menembakkan sinar ke obyek. Controlling and Monitoring berbasis PC menggunakan sumber pengolahan perpustakaan terbuka AForge.NET dalam bahasa Visual C#. Matlab digunakan sebagai software untuk menganalisa data hasil pengujian. Pergerakan nilai pixel dari hasil setiap tahapan image processing terlihat jelas dengan menggunakan Matlab. Keakuratan pendeteksian alat eradikasi terhadap obyek mencapai ±90% dengan minimum ukuran obyek 2,91mm. Keakuratan penembakan sinar laser terhadap obyek dalam range ±70% dengan jarak maksimum 1,5mm. Besarnya nilai penyimpangan posisi obyek dan sinar laser dihitung dengan menggunakan rumus jarak antar dua vektor, tidak terdapat perbedaan hasil perhitungan manual maupun dengan menggunakan Matlab.

---

Mosquitoes are one of the insects that cause different types of diseases in humans, such as dengue fever, malaria, cikumunya and itching (allergy) of the skin. One method of mosquito eradication system that is being developed is by using a laser. In this study, the webcam as a sensor-based image processing. Webcam as a component to capture the image of the object. Object pixel will be filtered with color filtering and grayscale. After the filtering process, do the blob counter to get a rectangular shape of the object. Blobing results will continue to process euclidean, distance calculation. Coordinates of the object will be sent from the PC (Personal Computer) to the microcontroller. Microcontroller sends instructions to the servo controller to follow the object move and fired a laser beam to an object. Controlling and Monitoring using PC-based open-source processing AForge.NET library in Visual C # language. Matlab is used as software for data analysis of test results. Movement of the pixel values of the image processing results of each phase is clearly visible using Matlab. The accuracy of the detection tool eradication of the object to ± 90% with a minimum object size of 2.91 mm. The accuracy of the laser beam shooting towards the object in the range ± 70% with a maximum distance of 1.5 mm. The value of the object and the position deviation of the laser beam is calculated using the formula distance between two vectors, there is no difference in the calculation manually or by using Matlab."

"ABSTRAKSkripsi ini berisi perancangan, pembuatan, dan analisis sistem pemantau lalulintas dengan teknologi computer vision menggunakan OpenCV. Sistemmemberitahukan kondisi kemacetan jalan yang dipantau dalam empat level(lengang, ramai lancar, padat merayap, dan macet). Penelitian dilakukanmenggunakan OpenCV sebagai library pemograman bahasa C++ denganalgoritma Canny dan Blob Detection untuk mendeteksi kendaraan menggunakankamera pemantau pada posisi vertikal dari samping. Berdasarkan pengujianmetode Blob Detection lebih unggul pada kondisi jalan lengang, namun ketikakondisi semakin ramai algoritma Canny lebih unggul. Sistem mendeteksikendaraan yang lewat dengan rata-rata kecepatan pendeteksian 9.8 ms per framedengan input video berukuran 320 x 240 pixel.

---

ABSTRACTThis thesis describes the design, making, and analysis of traffic monitoring systemby using computer vision technology with OpenCV. These systems notify the userabout the state of the monitored road congestion in four levels (quiet, crowded,dense crowded, and congested). The research was conducted using the OpenCVlibrary programming language C++ with the Canny algorithm and Blob Detectionto detect the vehicle using camera on the position of vertical side. Based from thetest results, the Blob Detection method is superior in the deserted road conditions,but when conditions are more crowded the Canny algorithm is superior. Thesystem can detect vehicle with average speed of 9.8 ms per frame with video inputsize 320 x 240 pixels."

"Pergerakan napas manusia, sesuai dengan mengembang dan mengempisnya paru-paru mengakibatkan bergesernya tumor ke arah Superior-Inferior (SI), Lateral Kanan-Kiri (RL), dan Anterior-Posterior (AP). Pergeseran tumor tersebut dapat direpresentasikan dari pergerakan yang terjadi pada permukaan tubuh. Pada penelitian ini dilakukan rancang bangun purwarupa sistem pemantauan pergerakan yang dapat memantau pergerakan pernapasan pada permukaan tubuh berbasis laser dan kamera. Sistem ini dapat melakukan pemantauan pergerakan pada 3 derajat kebebasan yang merepresentasikan pergerakan di arah SI, RL, dan AP. Kemampuan dari purwarupa dikalibrasi dengan menggunakan platform dinamis. Selanjutnya purwarupa juga diuji pada pengukuran terhadap 8 sukarelawan yang melakukan 2 pola pernapasan berbeda. Pengukuran tersebut dibandingkan dengan perangkat yang sudah ada di klinis untuk keperluan Respiratory Gating. Hasil kalibrasi menghasilkan akurasi spasial kurang dari 1 mm, sedangkan akurasi temporal sebesar kurang dari 0,1 s. Hasil perbandingan dengan piranti klinis menunjukkan pembacaan yang cukup sebanding dengan koefisien korelasi kurang dari 0,9.

---

The motion of human breathing, by the expansion and deflation of the lungs, causes the tumor to shift towards Superior-Inferior (SI), Lateral Right-Left (RL), and Anterior-Posterior (AP). The motion on the body's surface can represent the tumor shift. In this study, a motion monitoring system prototype was designed based on lasers and cameras to monitor respiratory motion on the body's surface. This system can monitor motion in 3 degrees of freedom, representing movement in the SI, RL, and AP directions. The performance of the prototype is calibrated using a dynamic platform. Furthermore, the prototype was also tested using measurements of eight volunteers who performed two different breathing patterns. These measurements were compared with devices already in clinical settings for Respiratory Gating purposes. The calibration results produce a spatial accuracy of less than 1 mm while a temporal accuracy of less than 0.1 s. The comparison results with clinical devices show comparable readings with a correlation coefficient of less than 0.9."

"Telah berhasil dibuat rancang bangun hexacopter dengan diameter 70 cm dan massa 2,5 kg dengan parameter tunggal daya angkat. Target beban maksimum disesuaikan dengan pemilihan komponen motor dan baling-baling yang akan digunakan. Di sisi lain, hexacopter memanfaatkan Algoritma Genetik tipe A bertujuan untuk menentukan lintasan terpendek yang paling mungkin, mulai dari satu posisi hingga sebuah lokasi akhir yang diinginkan. Beberapa rintangan akan didaftarkan pada algoritma histogram warna sebagai teknik deteksi, kemudian A akan memanfaatkan posisi rintangan tersebut untuk menghitung ulang lintasan lain yang paling optimal agar hexacopter bergerak tanpa menabrak rintangan. Lepas landas take off hexacopter masih dilakukan menggunakan remote control Futaba SG 14 yang memanfaatkan kendali proporsional, integral dan diferensial sederhana yang dikenal dengan PID.Penentuan nilai konstanta kendali PID hexacopter ini memanfaatkan aplikasi auto-tuning dari MissionPlanner. Selanjutnya hexacopter diaktifkan dalam mode guided dimana algoritma A dan kendali mengambil alih pengaturan geraknya hingga mencapai tujuan. Ujicoba dilakukan dalam ruangan dengan grid-grid maya yang membagi lintasan dari titik awal ke lokasi tujuan di lapangan bulutangkis dalam ruangan indoor Dekanat FMIPA UI. Rintangan diletakkan pada posisi 1,5 meter diatas lantai sehingga dalam pengolahan citra di proyeksikan terhadap grid-grid maya tersebut. Posisi hasil proyeksi tersebut menjadi masukan A untuk mengkalkulasi ulang lintasan.Pengujian tahapan berikutnya dilakukan di lapangan Rotunda UI dengan pemanfaatan GPS sebagai pengganti grid. Hasil penelitian ini melaporkan bagaimana hexacopter akan bertindak dengan implementasi dari kecerdasan tersebut untuk mengendalikan geraknya secara semi otomatis.

---

Has successfully created design hexacopter with a diameter of 70 cm and a mass of2.5 kg with a single parameter lift. Target maximum load adjusted by the selectionof components and propeller motors that will be used. On the other hand,hexacopter utilizing Genetic Algorithm type A aims to determine the shortest pathis most likely, ranging from one position to a final desired location. Some obstacleswill be registered on the color histogram algorithm as detection techniques, then A will utilize the position of the obstacles to recalculate the most optimal path otherso hexacopter move without bumping into obstacles. Takeoff take off hexacopterstill done using the remote control Futaba SG 14 utilizing the control ofproportional, integral and differential simple known as PID. Determining the valueof this constant hexacopter PID control applications utilize auto tuning of theMission Planner. Furthermore hexacopter enabled in guided mode where the A algorithm and control took control of the motion until it reaches the destination.Experiments conducted in a room with virtual grids which share the track from thestarting point to the destination in indoor badminton court indoor Dean FacultyUI. The obstacles placed in the position of 1.5 meters above the floor so that theimage processing is projected to virtual grids. The position of the projected resultsbecome inputs A to calculate the trajectory. The next stage of testing conductedin the field Rotunda UI with the use of GPS in lieu grid. The results of this studyreported how hexacopter will act with the implementation of the intelligence tocontrol a semi automatic movement."

"Jantung adalah organ penting dalam tubuh manusia yang berfungsi untuk memompa darah ke seluruh tubuh. Salah satu cara untuk mengetahui bagaimana kondisi jantung adalah dengan mengetahui frekuensi detak jantung per menit. Pada tulisan ini akan dirancang alat pendeteksi dan penghitung frekuensi detak jantung dengan menggunakan asas doppler. Sistem ini menggunakan fetal doppler yang berfungsi untuk mendeteksi bunyi yang dihasilkan oleh jantung. Bunyi detak jantung orang dewasa mempunyai frekuensi antara 20-40 Hz. Untuk memisahkan antara frekuensi yang dihasilkan detak jantung dengan frekuensi noise maka perlu dibuat rangkaian band pass filter. Rangkaian ini akan melewatkan frekuensi yang diinginkan dan meredam frekuensi yang tidak diinginkan. Sistem ini juga menggunakan mikrokontroler AVR Atmega 8535 yang akan mengolah sinyal yang masuk dan menampilkan data detak jantung per menit pada layar LCD. Dengan dirancangnya alat ini, diharapkan perhitungan detak jantung dapat dilakukan dengan cepat dan mudah.

---

The heart is an important organ in the human body which have functioned to pump blood to all over body. One way of knowing how to condition the heart is to know the frequency of heartbeats per minute. In this paper, we design a detector and counter heartbeat using doppler principle. This system uses a fetal Doppler, its uses to detect sound generated by the heart. The sound of an adult heart rate has a frequency between 20-40 Hz.

To separate between the frequency of the heartbeat with the frequency noise, it needs band pass filters circuit. This circuit will pass the desired frequency and reduce unwanted frequencies. This system also uses ATmega 8535 AVR microcontroller which will process the incoming signal and displays heart beat per minute on the LCD screen."

"Dengan menghitung pusat massa dari warna yang spesifik, dan pengontrol servo untuk menggerakkan kamera, telah dibuat suatu sistem pengikut warna dengan parameter warna yang dapat diubah-ubah untuk mengikuti warna RGB. Sistem dibuat dengan menggunakan mikrokontroler 32-bit LPC2106 yang mempunyai kapasitas RAM 64K byte dan ROM sebesar 128K byte dengan kecepatan 60MHz. Sensor kamera CMOS dengan resolusi 352 x 288 digunakan sebagai sumber masukan ke memori buffer FIFO dengan kapasitas 1MB sebelum akhirnya diproses pada mikrokontroler. Sebagai masukan parameter warna dan antar muka pengguna, sistem didukung oleh mikrokontroler Atmega16 yang memiliki kapasitas RAM 16K byte dan ROM 512 byte yang bekerja pada frekuensi 16 MHz. Kedua mikrokontroler berkomunikasi secara serial dalam menentukan proses tracking. Untuk menangkap citra dan data tracking, aplikasi pada komputer dibuat dengan LabVIEW. Jangkauan tracking dari sistem yang dibuat adalah 20,9° untuk pan dan 15,4° untuk tilt. Hasil menunjukkan bahwa tingkat keberhasilan mencapai 80% dengan respon gerak pada jangkauan maksimum kurang dari 1 detik dengan kecepatan gerak maksimum adalah 260° perdetik. Laju keluaran data yang dihasilkan adalah 14 data perdetik.

---

By calculating center of mass of spesific color, and servo controller to move camera, a color tracking system has been made with changeable color parameter to track color within RGB range. This system was build using 32-bit microcontroller LPC2106 which has 64K byte RAM and 128K byte ROM at 60MHz. CMOS image sensor with 352 x 288 resolution used as input of FIFO memory buffer which has 1 MB of capacity before they were processed in. As input parameter and user interface, system was supported by other microcontroller Atmega16 with 16K byte RAM and 512 byte ROM at 16MHz of frequency operation. These both microcontroller communicating serially in order to decide a tracking process. To grab an image and tracked data, computer application was made with LabVIEW. Frame tracking range from the system is about 20,9° for pan tracking and 15,4° for tilt tracking. Result shows success is about 80% with moving response for maximum range less than 1 second and maximum moving velocity is 260° persecond Data rate produced by system is 14 data persecond."

"Teknologi deep learning dapat menyelesaikan banyak masalah yang sulit dipecahkan oleh rumus matematis biasa. Salah satu masalah yang bisa diatasi adalah bahaya akibat rasa kantuk yang dialami pengemudi saat berkendara. Pada penelitian ini dibuat aplikasi android sistem deteksi kantuk yang memanfaatkan kamera smartphone. Kamera digunakan untuk mendapatkan informasi fitur citra wajah yaitu aspek rasio mata kanan, aspek rasio mata kiri, aspek rasio mulut, percentage of eye closure (PERCLOS), tingkat kejadian microsleep, dan tingkat kejadian menguap. Fitur-fitur tersebut didapat dari proses transformasi titik-titik landmark wajah. Pada penelitian ini, ditemukan bahwa metode terbaik untuk mendapatkan titik landmark wajah adalah dengan pelacakan Lucas-Kanade optical flow dengan 5 jumlah frame yang dilacak. Fitur-fitur yang dikumpulkan dapat digunakan untuk mendeteksi tingkat kantuk dengan memanfaatkan model deep learning yang telah dilatih dengan data yang dikumpulkan dari 10 orang. Pada penelitian ini, ada 2 jenis model deep learning yang dilatih untuk mendeteksi tingkat kantuk yaitu model deep neural network (DNN) dan long short-term memory (LSTM). DNN memiliki keseluruhan performa yang lebih baik dibandingkan LSTM. DNN memiliki accuracy sebesar 0.902538 dan f1 sebesar 0.899563. Sedangkan LSTM memiliki dari accuracy sebesar 0.891857 dan f1 sebesar 0.892689. Aplikasi android sistem deteksi kantuk yang dibuat menggunakan model deep learning DNN dan memiliki performa yang bagus dengan accuracy sebesar 0.844 dan f1 sebesar 0.865052. Aplikasi Android memiliki mekanisme pemberitahuan berupa suara yang dimainkan ketika pengemudi mengantuk. Selain itu, pada aplikasi Android juga terdapat 2 fungsi tambahan yaitu deteksi tidur dan deteksi gangguan konsentrasi pengemudi. Kedua fungsi tersebut akan mengeluarkan suara ketika terdeteksi untuk memberitahukan kepada pengguna. Dengan adanya aplikasi sistem deteksi kantuk yang dibuat pada penelitian ini, diharapkan dapat mendeteksi tingkat kantuk pengemudi sehingga mengurangi risiko kecelakaan akibat mengantuk.

---

Deep learning technology can solve many problems that are difficult to solve by ordinary mathematical formulas. One of the problems that can be overcome is the danger due to drowsiness experienced by the driver while driving. In this study, a drowsiness detection system on Android application that uses a smartphone camera is made. The camera is used to obtain facial image feature informations which is right eye aspect ratio, left eye aspect ratio, mouth aspect ratio, percentage of eye closure (PERCLOS), microsleep rate, and yawning rate. These features are obtained by transforming and processing facial landmark points. In this study, it was found that the best method for obtaining facial landmarks points is from Lucas-Kanade optical flow tracking with 5 frames tracked. The features collected can be used to detect drowsiness by utilzing a deep learning model that has been trained with data collected from 10 volunteers. In this study, there are 2 types of deep learning models that are trained to detect drowsiness that are deep neural network (DNN) and long short-term memory (LSTM). DNN has better overall performance than LSTM. DNN has an accuracy of 0.902538 and f1 of 0.899563. Whereas LSTM has an accuracy of 0.891857 and f1 of 0.892689. The drowsiness detection system Android application is created using the DNN model and has a good performance with an accuracy of 0.844 and f1 of 0.865052. The Android application has a notification mechanism in the form of sound that played when the driver is detected to be drowsy. In addition, the Android application also has an additional function that are sleeping detection and driver distraction detection. Both functions will make a sound when detected to notify the user. With the application of drowsiness detection system made in this study, it is expected to detect the level of drowsiness of the driver thereby reducing the risk of accidents due to drowsiness.

"

"Kendaraan roda dua atau yang biasa disebut sebagai motor merupakan kendaraan yang awam ditemukan khususnya di Negara Indonesia. Kendaraan yang sangat mudah untuk digunakan dan terjangkau harganya menjadikannya kendaraan nomor satu untuk digunakan sehari-hari. Banyak regulasi yang telah mengatur tentang keamanan dan kenyamanan untuk berkendara, namun masih banyak pihak yang melanggar hal tersebut. Oleh karena itu diperlukannya sebuah alat bantu yang dapat mendeteksi dan meregulasi pengendara sepeda motor. Menggunakan deep learning, komputer dapat mengelolah citra dengan tingkat akurasi yang tinggi dalam mendeteksi objek maupun klasifikasi objek. Salah satu metode Deep Learning yang digunakan untuk pengelolahan citra dan klasifikasi objek adalah YOLOv5 sebagai model utama. Tujuan dari Skripsi ini adalah untuk mengimplementasikan sistem detektor pengendara motor tanpa helm berbasi pengolahan citra dengan metode YOLOv5 dan melihat tingkat akurasi yang didapatkan. Hasil percobaan pada penelitian ini membuktikan bahwa sistem mampu melakukan deteksi dan kalkulasi dengan akurasi yang cukup tinggi yaitu sekitar 40 %. Hal ini sangat dipengaruhi dengan adanya jenis metode penentuan ID yang digunakan.

---

Two-wheeled vehicles or commonly referred to as motorbikes are vehicles that are commonly found, especially in Indonesia. A vehicle that is very easy to use and affordable, making it the number one vehicle for everyday use. Many regulations have regulated the safety and comfort of driving, but there are still many parties who violate this. Therefore we need a tool that can detect and regulate motorbike riders. Using deep learning, computers can manage images with a high degree of accuracy in detecting and classifying objects. One of the Deep Learning methods used for image processing and object classification is the YOLOv5. The purpose of this thesis is to implement an image processing-based helmetless motorcycle detector system using the YOLOv5 method and see the level of accuracy obtained. The experimental results in this study prove that the system is capable of performing detection and calculations with a fairly high accuracy of around 40%. This is strongly influenced by the type of ID determination method used."

"ABSTRAKKanker adalah salah satu penyebab kematian terbanyak dan otak termasuk salah satu organ yang rentan terkena kanker. Deteksi dini tumor otak dapat mengurangi resiko terkena kanker. Scanner seperti Computed Tomography (CT) Scan dan Magnetic Resonance Imaging (MRI) adalah alat yang digunakan deteksi dini dan diagnosis tumor otak. Namun, modalitas tersebut berbiaya tinggi, berukuran besar, dan memiliki efek samping terhadap kesehatan. Pencitraan gelombang mikro menawarkan metode pemindaian tumor untuk deteksi dini dengan biaya rendah, ukuran kecil, dan risiko rendah terhadap kesehatan. Compressive Sensing (CS) memungkinkan rekonstruksi citra gelombang mikro dengan data yang sparse. Penelitian ini mengusulkan pengembangan Compressive Sensing dengan Low-Rank Compressive Sensing. Penelitian menunjukkan bahwa metode Low-Rank CS dapat memberikan hasil rekonstruksi yang sama, bahkan lebih baik secara kualitatif dan kuantitatif dibandingkan dengan metode Simultaneous Algebraic Reconstruction Technique (SART), CS murni, maupun CS dengan regularisasi Total Variation (TV). Parameter kualitatif diukur dengan perbandingan visual dan kontur aktif dari citra yang direkonstruksi, sedangkan parameter kuantitatif diukur dengan MSE dan SSIM. Penelitian ini juga telah merancang dan membuat sebuah framework yang mengemas metode Low-Rank CS. Framework tersebut merupakan komponen controller dan image reconstructor untuk produk pendeteksi tumor otak portabel berbasis gelombang mikro yang bersifat open source dan universal (multi-plartform).

---

ABSTRACTCancer is one of the leading causes of death and the brain is one of the organs vulnerable to cancer. Early detection of brain tumors can reduce the risk of cancer. Scanners such as Computed Tomography (CT) Scan and Magnetic Resonance Imaging (MRI) are tools for early detection of brain tumors. However, those modalities are high cost, big size, and has a side effect risk to health. Microwave imaging offers a novel cancer scanning method for early detection with low cost, small size, and low risk to health. The Compressive Sensing (CS) enables the reconstruction of microwave images with a sparse data. This research proposes the development of Compressive Sensing with Low-Rank Compressive Sensing. Experiment shows that the Low-Rank CS method can give the same, even better qualitatively and quantitatively reconstruction results compared to the Simultaneous Algebraic Reconstruction Technique (SART), pure CS, as well as CS with Total Variation (TV) regularization. Qualitative parameters are measured by visual comparison and active contours of the reconstructed image, while quantitative parameters are measured by MSE and SSIM. This research also designed and created a framework that packs the Low-Rank CS methods. The framework is a component of the controller and image reconstructor for a portable microwave-based brain tumor detector products that are open source and multi-platform."