Hasil Pencarian  ::  Simpan CSV :: Kembali

"Salah satu teknologi yang banyak diaplikasikan untuk mengolah data citra sebagai sumber informasi utama adalah teknologi penginderaan jauh atau remote sensing. Beberapa aplikasi remote sensing menuntut citra yang berkualitas baik, namun dalam ukuran yang lebih kecil mengingat ukurannya yang sangat besar. Kebutuhan inilah yang mendorong berkembangnya teknologi pemampatan citra atau image compression. Skripsi ini membahas tentang teknik kompresi citra gabungan antara prediksi linier antarband (kompresi spektral) dengan transformasi wavelet dan Discrete Cosine Transform (DCT) sebagai kompresi spasial. Jenis transformasi wavelet yang digunakan adalah LS 9/7, CDF 9/7, dan multiwavelet Daubechies 10 (Db10) + LS 9/7. Dari hasil ekperimen data MODIS berukuran 2048 x 2048, dapat disimpulkan rasio kompresi berbanding terbalik dengan nilai PSNR yang dihasilkan, sementara tingkat level dekomposisi sebanding dengan nilai PSNR dengan level ideal 5. Meskipun memiliki PSNR yang tinggi, metode DCT tidak menghasilkan kualitas citra hasil kompresi yang memadai, terbukti dengan rendahnya nilai co-histogram simetri (SCH). Metode kompresi yang paling baik adalah multiwavelet (Db10+LS9/7) karena menghasilkan PSNR yang stabil di atas 50 dB hingga rasio kompresi 100 dengan nilai SCH rata-rata 0.99.

---

An image/picture could contain thousands of information. Remote sensing is a technology which uses an image in the form of satellite imagery as the main source of information. Remote sensing applications require good quality of image, represented by smaller size, since satellite sensors have wide measurement coverage of Earth surface. In this regards, image compression is needed.

This thesis report covered image compression techniques using combination of interband prediction (as spectral compression) and discrete cosine transform (DCT) and wavelet transform (as spatial compression). Several wavelet transforms are applied in the experiment, such as LS 9/7, CDF 9/7, and multi-wavelet Daubechies 10 (Db10) + LS 9/7.

The experiment results showed that the higher the compression ratio, the smaller PSNR values. This applies to all four methods of compression which were tested in this study. The higher level of decomposition of wavelet transformation, resulted in better PSNR. While the ideal level of decomposition for wavelet transformation is level 5. Even the DCT method resulted in high PSNR, but the quality of compression image is poor, which is shown in low Symmetrical Co-Histogram (SCH) value. The best result was obtained by combined method (Db10+LS9/7) which resulted in high PSNR (up to 50 dB), high compression ratio (up to 100), and average SCH values of 0.99."

"Citra MODIS bersifat multispektral sehingga memiliki kapasitas data yang besar. Kesamaan antara kanal citra pada data MODIS disebut korelasi citra. Korelasi citra antar band dalam data MODIS dapat dijadikan acuan dalam melakukan kompresi secara spektral. Kompresi spektral dengan metode Linear Interband Prediction dilakukan berdasarkan korelasi citra sebagai acuan dalam menentukan citra referensi dan citra hasil prediksi. Kanal citra hasil kompresi dengan linear interband prediction memiliki kapasitas kecil dan kualitas yang hampir sama dengan aslinya. Hasil kompresi dengan Linear Interband Prediction dikompresi lagi secara spasial dengan metode Wavelet. Beberapa variasi Wavelet diterapkan, yakni Haar, Daubechies, Coiflet, Symlet dan Biorthogonal. Diharapkan rasio kompresi pada kompresi ini akan lebih besar, tetap menjaga kualitas citra yakni PSNR > 40dB, dan waktu komputasi yang cepat.

---

MODIS is a multispectral satellite data, which has ultra high data size to store these data. It has to be compressed with spectrally and spatially. Image correlation used as a reference in spectral compression using Linear Interband Prediction method. Spectral compression results are compressed again using wavelet transform. Several family of Wavelet transform applied namely Haar, Daubhecies, Coiflet, Symlet, and Biorthogonal. Experimental results show in compression ratio while maintaining the image quality (PSNR > 40dB) and fast computation time are expected."

"Perkembangan teknologi pada bidang penginderaan jauh (inderaja) membutuhkan teknik kompresi data yang optimal yaitu menghasilkan kompresi rasio yang tinggi akan tetapi tetap mempertahankan kualitas data. Sehingga hasil kompresi data tersebut masih dapat diterima dan digunakan untuk aplikasi inderaja. Salah satu teknik kompresi data inderaja yang baru adalah teknik kompresi hybrid yaitu menggabungkan teknik reduksi redundansi spektral dan reduksi redundansi spasial. Redundansi spektral dilakukan interband prediction yaitu memprediksi image band tertentu dari referensi image band lainnya. Sedangankan pada reduksi redundansi spasial digunakan image coding yang berbasis wavelet transform. Hingga saat ini tetap dilakukan penelitian dan pengembangan teknik kompresi dengan tujuan mendapatkan kualitas data sebaik mungkin dengan kompresi rasio sebesar mungkin.Pada penelitian ini dilakukan analisis teknik kompresi hybrid untuk data inderaja banyak kanal MODIS. Teknik kompresi yang digunakan merupakan pengembangan dari teknik yang sudah existing (Yuan-Xiang Li, et.al). Hasil simulasi dan analisis kompresi data satelit inderaja MODIS dengan teknik kombinasi prediksi interband linier dan skip image band tertentu dengan menggunakan level dekomposisi transform wavelet yang lebih tinggi menghasilkan nilai PSNR yang besar (40 dB) dengan kompresi rasio hingga 80 kali. Data kompresi hasil dari teknik yang dikembangkan ini dapat digunakan untuk aplikasi data penginderaan jauh MODIS khususnya untuk pengamatan obyek pada permukaan bumi dengan cakupan skala global.

---

The remote sensing technology development need optimal data compression technique that result higher compression ratio but still prevent the data quality so the compressed data still can be used for remote sensing application. One of the new data compression technique is hybrid technique which combine reduction redundant spectral and spatial. The schema for reduction redundant spectral use prediction image band with other image band as reference and the schema for reduction redundant spatial use image coding base on wavelet transform.The goal of this research is to analyze the improvement of the existing compression technique (Yuan-Xiang Li et.al) for MODIS data. The analysis have shown that the combine technique interband prediction with skip some images band and by higher decomposition of wavelet transform can be achieve good PSNR (40 dB) which have compression ratio up to 80 times. From this result compressed data still can be used for remote sensing application especially for identification some objects on earth with global observations."