Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKDerau (noise) yang terjadi pada proses pembentukan atau pengiriman suatu informasi berupa gambar (image) sangat mempengaruhi hasil yang diterima. Karena itu menghilangkan atau mengurangi adanya derau pada gambar merupakan suatu cara agar diperoleh gambar hasil rekonstruksi yang lebih baik. Thresholding adalah salah satu cara untuk menghilangkan atau mengurangi adanya derau pada gambar dengan algoritma Donoho dan menggunakan beberapa jenis fungsi dasar wavelet telah menghasilkan gambar rekonstruksi berdasarkan nilai threshold dari harga standard deviasi distribusi koefisien setiap subband. Signal to Noise Ratio (SNR) menyatakan baik atau buruknya suatu gambar hasil rekonstruksi dengan menggunakan suatu algoritma tertentu. Harga SNR yang tinggi menunjukkan gambar hasil rekonstruksi yang baik atau sebaliknya. Analisis proses simulasi ini menggunakan transformasi wavelet dengan algoritma modifikasi sehingga menghasilkan harga Signal to Noise Ratio (SNR) yang lebih tinggi bila dibandingkan dengan algoritma Donoho dengan menggunakan fungsi dasar wavelet yang sama.

---

ABSTRACT

In the recent wavelets literature, there has been considerable interest in the use of wavelet transform for removing noise from images. Various techniques have been attempted to reject noise, one of their methods is Donoho method's. This method is the use of transform based thresholding. The application of thresholding in Donoho method's is merely based on the size of transformed subbands. We proposed similar to the Donoho method's but the size of transformed subbands are replaced by their energy subbands. The simulation results show that the proposed method gave the best SNR compared to the Donoho method's.;In the recent wavelets literature, there has been considerable interest in the use of wavelet transform for removing noise from images. Various techniques have been attempted to reject noise, one of their methods is Donoho method's. This method is the use of transform based thresholding. The application of thresholding in Donoho method's is merely based on the size of transformed subbands. We proposed similar to the Donoho method's but the size of transformed subbands are replaced by their energy subbands. The simulation results show that the proposed method gave the best SNR compared to the Donoho method's."

"Noise presence in real world data signal is inevitable. Under ideal conditions, this noise may decrease to such negligible levels so data obtained might be consideret not corrupted by noise...."

"Penyakit kanker payudara merupakan salah satu penyakit mematikan bagi para wanita dewasa yang diakibatkan oleh tumor ganas. Untuk melakukan pendeteksian dini tumor pada daerah payudara, dilakukan kegiatan mamografi yang dapat mendeteksi benjolan pada payudara bahkan untuk ukuran yang kecil. Citra mamogram dari kegiatan mamografi tidak hanya menampilkan jaringan yang dicurigai sebagai kanker, tetapi menampilkan jaringan-jaringan lainnya yang terdapat pada organ payudara seperti jaringan pembuluh darah dan kelenjar air susu dengan bentuk curvilinear yang sulit dipisahkan dari wilayah sel kanker.Pada Tugas Akhir ini dilakukan dua jenis modifikasi metode pengeliminasi struktur curvilinear dari citra yang diajukan oleh Sheshadri dan Kandaswamy. Metode pertama hasil modifikasi adalah pendeteksian dan penghilangan struktur curvilinear yang dilakukan sebelum segmentasi thresholding berlangsung, sedangkan metode kedua hasil modifikasi adalah metode segmentasi thresholding yang dilakukan sebelum pendeteksian dan penghilangan struktur curvilinear.Dari kegiatan analisis hasil eksperimen yang dilakukan secara visual pada dua belas mamogram, diketahui bahwa suatu nilai thresholding tidak dapat digunakan secara masal untuk seluruh mamogram karena nilai yang dapat memberikan hasil yang baik pada suatu mamogram belum tentu dapat digunakan pada mamogram lainnya. Selain itu, kegagalan pendeteksian dapat terjadi apabila jaringan penghalang wilayah kanker tidak memiliki struktur curvilinear, tetapi merupakan suatu region.Penerapan metode kedua, segmentasi thresholding yang dilakukan sebelum kegiatan pendeteksian dan penghilangan struktur curvilinear berlangsung, memiliki angka keberhasilan pendeteksian struktur yang dicurigai sebagai kanker yang lebih besar dibandingkan metode pertama karena proses thresholding dilakukan dengan melibatkan nilai gray level dari mamogram asal, bukan mamogram hasil pengolahan citra seperti pada metode pertama."

"It is realized that an important thing in medical image visualization serving is to be able to see human as observe. Nevertheless, certain noise is rising in image acquisition causes image quality is reducing. An image involvement is a process in which an image can be best analyzed. Denoising is a one of the image enhancement techniques. An adaptive thresholding technique based wavelet serves to reduce noise from medical image. A discrete wavalet transformation is used in this research. The STH (Soft Thresholding), HTH (Hard Thresholding), and MPTH (Multiscale Products Thresholding) methods are used to calculate and compare as medical image Denoising results. Two criteria, MSR (Mean-to-Standard Deviation Ratio) and CNR (Contrast-to-Noise Ratio) have proposed to perform as Denoising at medical image. From the result, it can be concluded that denoising by using MPTH (Multiscale Products Thresholding) method, the values of MSR (Mean-to-Standard Deviation Ratio), CNR (Contrast-to-Noise Ratio) are greater than STH (Soft Thresholding), and HTH (Hard Thresholding) can be obtained."

"Kanker leher rahim atau kanker serviks merupakan penyakit kanker yang paling banyak menyerang wanita di negara berkembang, termasuk Indonesia. Salah satu cara pencegahannya adalah dengan melakukan test Pap-Smear. Sel serviks hasil test Pap-Smear tersebut kemudian didiagnosa oleh dokter Patologi Anatomi. Namun dokter Patologi Anatomi tidak selalu ada di semua wilayah, terutama di daerah terpencil. Untuk memungkinkan diagnosa pasien di daerah terpencil yang jarang ditemukan dokter Patologi Anatomi, diperlukan suatu upaya untuk mengotomatiskan diagnosa terhadap hasil test Pap-Smear, sehingga dapat dilakukan diagnosa jarak jauh (telemedicine). Penelitian ini bertujuan untuk melakukan diagnosa terhadap citra hasil test Pap-Smear, yaitu dengan menggunakan Algoritma Multifraktal yang dikombinasi dengan Adaptive Multiple Thresholding sebagai metode segmentasi secara otomatis dan Jaringan Syaraf Tiruan menggunakan Learning Vector Quantization (LVQ) sebagai metode klasifikasi dengan nilai intensitas dari citra hasil segmentasi sebagai cirinya. Performa dari hasil segmentasi akhir, tingkat ketelitiannya sekitar 70%. Hasil klasifikasi dengan LVQ terhadap tujuh kelas tingkat pengenalannya masih di bawah 40%, sedangkan tingkat pengenalan terhadap dua kelas mampu mencapai sekitar 82%.

---

Cervix cancer is the most cancer disease that attact women in the developing country, include Indonesia. One of the way of its prevention is by a Pap-Smear test. Cervix cells that resulted from Pap-Smear test then diagnosed by a Pathology of Anatomy doctor. But Pathology of Anatomy doctor is not always in all area. To enable diagnosa patient in purilieus which seldom be found Pathology of Anatomy doctor, needed an effort, so that can be conducted by long distance diagnosa ( telemedicine). This research aims to conduct diagnose the image result of Pap-Smear test, and keep involve Multifractal Algorithm which is combined with Adaptive Multiple Thresholding as segmentation method automatically, and Artificial Neural Network using Learning Vector Quantization (LVQ) as clssification method with intensity value from segmentation image as its feature. The performance in segmentation and increasing quality result, the correctness about 70%. The result of classification using LVQ toward seven classes, its recognition is less than 40%, meanwhile the recognition rate of two classes about 82%."

"Kanker leher rahim atau kanker serviks merupakan penyakit kanker yang paling banyak menyerang wanita di negara berkembang, termasuk Indonesia. Salah satu cara pencegahannya adalah dengan melakukan test Pap-Smear. Sel serviks hasil test Pap-Smear tersebut kemudian didiagnosa oleh dokter Patologi Anatomi. Namun dokter Patologi Anatomi tidak selalu ada di semua wilayah, terutama di daerah terpencil. Untuk memungkinkan diagnosa pasien di daerah terpencil yang jarang ditemukan dokter Patologi Anatomi, diperlukan suatu upaya untuk mengotomatiskan diagnosa terhadap hasil test Pap-Smear, sehingga dapat dilakukan diagnosa jarak jauh (telemedicine).Penelitian ini bertujuan untuk melakukan diagnosa terhadap citra hasil test Pap-Smear, yaitu dengan menggunakan Algoritma Multiflaktal yang dikombinasi dengan Adaptive Multiple Thresholding sebagai metode segmentasi secara otomatis dan Jaringan Syaraf Tiruan menggunakan Learning Vector Quantization (LVQ) sebagai metode klasifikasi dengan nilai intensitas dari citra hasil segmentasi sebagai cirinya. Performa dari hasil segmentasi akhir, tingkat ketelitiannya sekitar 70%. Hasil klasifikasi dengan LVQ terhadap tujuh kelas tingkat pengenalannya masih di bawah 40%, sedangkan tingkat pengenalan terhadap dua kelas mampu mencapai sekitar 82%.

---

Cervix cancer is the most cancer disease that attact women in the developing country, include Indonesia. One of the way of its prevention is by a PapSmear test Cervix cells that resulted from Pap-Smear test then diagnosed by a Pathology of Anatomy doctor. But Pathology of Anatomy doctor is not always in all area. To enable diagnosa patient in purilieus which seldom be found Pathology of Anatomy doctor, needed an effort, so that can be conducted by long distance diagnosa (telemedicine).

This research aims to conduct diagnose the image result of Pap-Smear test, and keep involve Multifractal Algorithm which is combined with Adaptive Multiple Thresholding as segmentation method automatically, and Artiflcial Neural Network using Leaming Vector Quantization (LVQ) as clssification method with intensity value from segmentation image as its feature. The performance in segmentation and increasing quality result, the correctness about 70%. The result of classification using LVQ toward seven classes, its recognition is less than 40%, meanwhile the recognition rate of two classes about 82%."

"Perpustakaan memiliki sejumlah koleksi arsip bersejarah, arsip bersejarah tersebut dituliskan pada kedua sisi kertas. Usia penyimpanan yang cukup lama merupakan salah satu penyebab adanya rembesan tinta. Pada beberapa kasus, edge foreground tampak lebih jelas dibandingkan edge penginterferensi. Namun terkadang tulisan penginterferensi tampak lebih jelas dibandingkan tulisan foreground. Proses pembersihan arsip dari tulisan penginterferensi yang berasal dari tulisan bagian belakang kertas melalui beberapa tahapan. Tahap awal pembersihan image arsip dari interferensi adalah transformasi wavelet directional. Koefisien subband horizontal, vertikal dan diagonal hasil dekomposisi dari transformasi wavelet dikonvolusikan dengan matriks yang mewakili suatu arah tertentu. Proses transformasi wavelet yang telah disebutkan diatas merupakan transformasi wavelet directional. Koefisien-koefisien subband hasil konvolusi disusutkan mendekati harga asalnya menggunakan Soft Thresholding Donoho. Setelah melalui proses tersebut dilakukan proses transformasi wavelet balik. Untuk menghilangkan objek yang terlalu kecil seperti bintik-bintik yang tidak diinginkan dan memperhalus objek yang ingin disegmentasi maka dilakukan proses opening pada image hasil proses transformasi. Proses memperjelas tulisan foreground dilakukan dengan cara menambahkan image hasil proses opening dengan image hasil proses operasi neighborhood. Operasi neighborhood adalah proses logika pembandingan image dengan suatu tabel lookup. Percobaan dilakukan dengan memvariasikan kombinasi matriks pengkonvolusi yang mewakili suatu arah tertentu sehingga dapat diperoleh matriks pengkonvolusi yang menghasilkan image yang memiliki interferensi paling rendah. Hasil proses dinilai secara objektif menggunakan RMSE, RMSE yang semakin kecil menandakan terjadinya error yang semakin kecil atau image makin menyerupai image aslinya."

"Speech compression techniques based on traditional psychoacoustic model have been proposed by many researchers. We have suggested Discrete Wavelet Transform (DWT) supported by the same psychoacoustic model for speech compression. This paper presents a traditional psychoacoustic model to process equal partitions of total bandwidth spectrum of audio signal frequency to reduce redundancy by filtering out the tones and noise masker in speech signal. Here, the uniform filter banks are used for efficient computations and selection of appropriate threshold level for better compression of Discrete Wavelet Transformed coefficients. Daubechies wavelet filter bank is a nonlinear and asymmetric wavelet filter bank. It is equivalent to cochlear filter of human hearing system. The resemblance between Daubechies Filter Bank and our hearing system is used to develop the novel speech coder. Results have shown better performance in terms of compression factor (CF) and Signal-to-Noise Ratio (SNR) as compare to the methods suggested earlier."

"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 biorthogonalPemampatan 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."