Inkonsistensi Antara Hasil Pengukuran SSIM Dengan Kondisi Visual Citra Hasil Metode Denoising Berbasis Ant Colony Optimization

Authors

  • Septian Enggar Sukmana Universitas Dian Nuswantoro
  • Dewi Nurfitri Oktaviani Waseda University

DOI:

https://doi.org/10.33633/tc.v16i3.1453

Keywords:

denoising, AntShrink, wavelet, SSIM, blur

Abstract

Hasil denoising perlu dievaluasi untuk mengetahui nilai hasil secara terukur yang bertujuan untuk mendapatkan penilaian secara objektif. Seperti halnya teknik denoising, teknik evaluasi hasil citra juga dapat dilakukan baik pada domain spasial maupun domain frekuensi. Bagimanapun, hasil denoising pada citra sangat fokus pada bagian visual sehingga penilaian secara visual merupakan penilaian yang sangat penting. Penilaian secara visual dapat ditempuh melalui metode structural similarity index measurement (SSIM). SSIM melakukan teknik evaluasi dengan cara perbandingan antara citra hasil denoising dengan citra asli. Berdasarkan penelitian pada modifikasi metode denoising AntShrink telah ditemukan kelemahan SSIM terhadap kurangnya kemampuan SSIM dalam membaca kondisi blur. Untuk mengetahui ketepatan penemuan tersebut, evaluasi citra berbasis blur dan pemetaan SSIM dilakukan. Ketepatan temuan terbukti pada setiap tingkat noise yang tinggi (tingkat noise > 50 ) dengan representasi hasil citra yang memiliki banyak blur namun hasil penilaian indeks oleh SSIM dianggap tinggi. Hasil ini cukup serupa dengan hasil pada metode AntShrink yang menunjukkan trend angka lebih kecil daripada hasil metode usulan.

References

Tiang, J., Weiyu, Y. dan Lihong, M. 2010. AntShrink: Ant Colony Optimization for Image Shrinkage. Pattern Recognition Letters,

Vol.31, 1751-1758.

Youlian, Z. dan Cheng, H. 2012. Image Denoising Algorithm Based on PSO Optimizing Structuring Element. IEEE 24th Chinese Control and Decision Conference, China.

Jamal, S., MOhammad, H. M. dan Karim, F. 2010. A New-Wavelet-Based Fuzzy Single and Multi-Channel Image Denoising. Image and Vision Computing, Vol.28, 1611-1623.

The Stanford for Image Systems Engineering, https://scien.stanford.edu/, diakses tanggal 23 April 2014.

Donoho, D.L. dan Johnstone, I. M. 1994. Ideal Spatial Adaptation via Wavelet Shrinkage. Biometrika, Vol.80, 425-455.

Wang, Z., Bovik, A.C., Sheikh, H.R., dan Simocelli, E. P. 2004. Image Quality Assessment: From Error Visibility to Structural Visibility. IEEE Transactions on Image Processing, Vol.4, 600-612.

Crete-Roffet, F., Dolmiere, T., Ladret, P., dan Nicolas, M. 2007. The Blur Effect: Perception and Estimation with A New No-Reference Perceptual Blur Metric. SPIE Electronic Imaging Symposium Conferrence Human Vision and Electronic Imaging, No.12.

Downloads

Published

2017-06-15

Issue

Vol. 16 No. 3 (2017): Agustus 2017

Section

Articles

License

Copyright (c) 2017 Septian Enggar Sukmana, Dewi Nurfitri Oktaviani

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Pernyataan Lisensi

Artikel yang diterbitkan dalam jurnal Techno.Com dilisensikan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional (CC BY-NC 4.0).

Anda diperbolehkan untuk menyalin, mendistribusikan, menampilkan, dan melakukan karya dari artikel ini serta membuat karya turunan selama Anda memberikan kredit yang sesuai kepada penulis asli dan tidak menggunakan karya ini untuk tujuan komersial. Untuk melihat salinan lisensi ini, kunjungi [Creative Commons Attribution-NonCommercial 4.0 International](https://creativecommons.org/licenses/by-nc/4.0/).

---

Contoh pengkreditan:

- Penulis: [Nama Penulis]
- Judul Artikel: [Judul Artikel]
- Jurnal: Techno.Com, Vol. [Nomor Volume], No. [Nomor Edisi], Tahun [Tahun Penerbitan]

Jika Anda ingin menggunakan karya ini untuk tujuan komersial, Anda harus mendapatkan izin terlebih dahulu dari penulis atau penerbit.

---