Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
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.

---

ABSTRACT
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.

Abstrak :
Pada dasarnya, tujuan kompresi gambar adalah bagaimana mendapatkan nilai rasio kompresi rasio yang tinggi, tepat dan gambar rekonstruksi masih dapat dikenali oleh visual manusia. Penentuan rasio kompresi secara tepat adalah hal yang penting dilakukan karena nilai rasio kompresi berhubungan dengan media penyimpanan serta waktu pengiriman gambar. Dengan menggunakan metoda klasifikasi kuantisasi vektor, nilai rasio kompresi yang diinginkan mempunyai range (sebaran) yang besar dan dapat diperkirakan sehingga dijadikan masukan simulasi. Metoda klasifikasi kuantisasi vektor adalah metoda kuantisasi vektor dengan membagi data kedalam blok-blok (sel) ukuran tertentu dan menghasilkan kode yang mewakili blok-blok tersebut dengan cara mengambil data dengan jarak atau distorsi terkecil menurut klasifikasi orientasi subband horizontal, vertikal dan diagonal. Kode itu disebut dengan codebook. Dengan menggunakan metoda klasifikasi kuantisasi vektor, sebagai masukan simulasi adalah nilai variabel rasio kompresi 4,8,16,32 dan 64 maka diperoleh hasilnya adalah gambar rekonstruksi masih dapat dikenali dengan baik pada nilai rasio kompresi 4, 8, 16 dan 32 dimana nilai PSNR masih > 30 dB. Sedangkan nilai rasio kompresi 64, gambar rekonstruksi sudah tidak dapat dikenali lagi karena nilai PSNR sudah < 30 dB sehingga gambar rekonstruksinya mengalami penurunan kontras yang menyebabkan kabur dan bertambahnya efek blocking.

---

Basically, the image compression is to achieve high compression ratio, accurate and recognized image reconstruction. Achieving compression ratio accurately is somewhat important to accomplish. Normally, compression ratio is defined by determining PSNR. By using classification of quantization vector method, getting the compression ratio is likely to do. The unique of this method is that this method can be arranged from 4 up to 64 of compression ratio. The classification of quantization vector method is one of vector quantization methods that classify image data to specified block and process the blocks to produce the representative block by taking minimum distance or distortion according to horizontal, vertical and diagonal energy. Those codes are codebooks. By using the classification of quantization vector method combining with the compression ratio value as an input variable of 4,8,16,32 and 64, the outcome is that reconstructed images of the compression ratio ranged 4, 8,16 and 32 is good with PSNR > 30 dB whereas the compression ratio of 64 is not recommended (PSNR value < 30 dB) for any images particularly for textures images.

Abstrak :
Pemampatan citra merupakan proses mereduksi jumlah bit yang digunakan dalam representasi suatu citra dan bertujuan untuk memperoleh suatu kumpulan data yang lebih kecil dan dapat direkonstruksi menjadi citra baru tanpa penurunan kualitas citra yang berarti. Pemampatan citra sangat bermanfaat dalam efisiensi media penyimpanan dan transmisi citra tersebut. Salah satu metode pemampatan citra yang cukup efektif adalah metode Human Visual System (HVS) yaitu pemampatan citra dengan menghilangkan redudansi psikovisual yang dikandung pada suatu citra dengan mengikuti karakteistik sistem visual mata manusia. Untuk memperoleh unjuk kerja sistem pemampatan citra yang optimal dilaksanakan analisis dan simulasi terhadap sistem pemapatan citra metode HVS Thresholding dan kuantisasi Subyektif dengan menggunakan transformasi wavelet Orthogonal (Daubechies-12) dan Biorthogonal (Spline) dengan beberapa model persamaan HVS (Ngan, Mannos, Nill dan Bowan) melalui variasi norm (p). Dari hasil simulasi dan analisis menggunakan citra diam dengan ukuran 256 x 256 pixel dipero!eh unjuk kerja sistem optimal yaitu rasio pemampatan 20.03 dan PSNR 25.88 dB dengan wavelet Biorthogonal, 3 level dekomposisi, model HVS Ngan pada norm 3, harga K = 0.005 dan q =0.0075. Selain itu Penggunaan metode kuantisasi subyektif juga terbukti dapat meningkatkan rasio pemampatan rata-rata sebesar 24 % untuk wavelet orthogonal dan sebesar 43 % untuk wavelet biorthogonal Pemampatan citra menggunakan wavelet Biorthogonal menunjukkan hasil yang lebih baik daripada wavelet Orthogonal karena pada nilai rasio pemampatan yang sama wavelet Biorthogonal meghasilkan nilai PSNR yang lebih baik dari wavelet orthogonal untuk parameter sistem yang sama.

---

Image compression is a process to reduce bit information used in representation an image. The purpose is to obtain fewer amounts of data and can be reconstructed as a new image without significant decreasing the quality. Image compression is very profitable in efficiency of storage media and transmission of the image. One of the effective methods is Human Visual System (HVS) method. The HVS image compression can decrease pshycovisual redundancy contained of an image following the characteristic human visual. To obtain an optimal performance image compression system, analysis and simulation HVS image compression system were done by using Orthogonal Wavelets (Daubechies-12) and Biorthogonal Wavelets (Spline) transform. Several models of HVS such as Ngan, Mannos, Nill and Bowon HVS models were done before threshold and quantization process through variation of norm. Simulation and Analysis of still image 256 x 256 pixel show that the optimal performance (compression ratio 20.03 and PSNR 25.88 dB) occurred on wavelet Biorthogonal, 3 level decomposition, Ngan HVS model, norm 3, K = 0.005 and q = 0.0075. Subjective quantization method also proved that its can increase average compression ratio 24 % for orthogonal wavelets and 43 % for biorthogonal wavelets. Image compression system using Biorthogonal wavelets shows better than Orthogonal wavelets since in the same compression ratio, PSNR of Biorthogonal Wavelets is greater than Orthogonal Wavelets.

Abstrak :
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.

Abstrak :
ABSTRAK
Metode Golomb-Rice Coding (GRC) sudah diciptakan sejak lama, tetapi sampai sekarang sangat jarang pemakaiannya untuk kompresi citra. Metode tersebut mempunyai kompleksitas yang rendah. Beberapa sistem kompresi citra yang telah distandardisasi saat ini serta lazim digunakan adalah Huffman encoding, LZW encoding dan Run-length encoding (RLE).

Pada skripsi ini akan dibuat suatu sistem kompresi citra yang bersifat losssless. Sistem ini menggunakan Lossless Predictive Coding dimana pada bagian encodernya menggunakan metode GRC. Penggunaan GRC dipilih karena memiliki kompleksitas rendah sehingga mudah untuk diaplikasikan. Lossless Predictive Coding kemudian digabungkan dengan suatu prosedur penentuan konteks dan suatu prosedur encoding sederhana (diberi nama ?mode run?). Penambahan mode run ini bertujuan untuk mengoptimalkan rasio kompresi yang akan dihasilkan nantinya.

Sistem ini lalu disimulasikan dengan MATLAB 5.31, kemudian hasil simulasi ini dibandingkan dengan sitem kompresi citra lossless yang lain, yakni RLE dan LZW.

---

Abstrak :
Kompresi citra menjadi salah satu pokok bahasan dalam pengolahan citra karena menjadi penting saat ukuran citra yang besar diperkecil untuk menghemat media penyimpanan dan mempercepat transmisi citra itu sendiri. Menggunakan citra hasil kompresi dengan nilai informasi yang terkandung didalamnya tidak banyak berubah atau hilang dari informasi citra sebelum dikompresi menjadi target yang akan dicapai dengan metode kompresi JPEG dan Wavelet. Kompresi teknik JPEG dengan variasi variabel faktor kualitas citra dan kompresi citra dengan metode Wavelet dengan variasi variable jenis Wavelet yang digunakan. Dengan variasi nilai varaibel tersebut akan menemukan nilai yang optimum dari masing teknik kompresi. Nilai optimum akan ditinjau dari hasil keluaran seperti rasio kompresi, PSNR dan waktu komputasi dari masing-masing teknik kompresi JPEG dan Wavelet. Hasil simulasi menunjukkan tingkat kompresi pada Wavelet lebih baik dari JPEG, yakni berkisar 65-70 kali pemampatan sementara pada JPEG hanya 20-25 untuk nilai PSNR yang sama yaitu berkisar 35-45 db. ......Image compression becomes one subject in image processing because it important when a large image size reduced to save on storage media and transmission speed up the image itself. Using image compression results with the value of the information contained therein is not much change or disappear from the image information before it is compressed into a target to be achieved by the method of JPEG and Wavelet compression. Using JPEG compression techniques with variable variation image quality and image compression with Wavelet method with a variation of the variable type of Wavelet used. By variation of the value varaibel will find the optimum value of each compression technique. The optimum value of the output will be reviewed such as compression ratio, PSNR and computation time of each JPEG and Wavelet compression techniques. The simulation results show the level of Wavelet compression is better than JPEG, which ranges from 65-70 times, the JPEG compression while only 20-25 for the same PSNR value which ranges from 35-45 db.

Abstrak :
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.

Abstrak :
Dalam penyimpanan dan komunikasi data dibutuhkan program yang mampu memadatkan data asli sehingga ukurannnya menjadi lebih kecil. Terutama untuk data citra dan suara yang biasanya berukuran besar. Karya tulis ini menguraikan sebuah metode kompresi untuk memadatkan data, yaitu metode kompresi citra fraktal.

Abstrak :
Pada era teknologi informasi saat ini permintaan akan keutuhan komunikasi multimedia terus meningkat. Situs web di internet dibuat semenarik mungkin dengan menyertakan visualisasi berupa gambar atau video yang dapat diputar. Citra (image) sebagai salah satu komponen multimedia memegang satu peranan sangat penting sebagai bentuk informasi visual. File citra memiliki kapasitas yang cukup besar, dan untuk mengaksesnya dibutuhkan waktu yang lama, sehingga dibutuhkan sebuah teknik kompresi data, dengan tujuan untuk mengurangi redudansi dari data-data yang terdapat dalam file citra, sehingga file citra dapat disimpan atau ditransmisikan secara efisien. Dalam hal ini file citra akan dikompresi dengan menggunakan algoritma SPIHT (Set Partitioning In Hierarchical Trees), SPIHT merupakan algoritma kompresi citra yang mampu mencapai rasio kompresi yang tinggi. Dengan cara mengkodekan koefisien hasil transformasi wavelet secara bertahap. Dikarenakan aliran data terkompresi sangat rentan terhadap gangguan kanal. Pada proses transmisi digunakan teknik Direct Sequence Spread Spektrum (DS-SS). Hasil yang didapat setelah simulasi, berupa citra-citra rekonstruksi yang diukur dengan parameter penilaian obyektif yang berdasarkan nilai Peak Signal to Noise Ratio. Penilaian obyektif kualitas citra rekonstruksi yang efisien dengan rate 2bpp diperoleh nilai PSNR 46.834 dB.