WATERMARKING CITRA MEDIS MENGGUNAKAN DUAL TREE COMPLEX WAVELET TRANSFORM DAN AFFINE SCALE-INVARIANT FEATURE TRANSFORM

ELFANI FARAH FADHILA

Informasi Umum

Kode

21.04.2693

Klasifikasi

621.38 2 - Signal processing, Information theory

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Signal Processing

Dilihat

211 kali

Informasi Lainnya

Abstraksi

Pengolahan citra dalam bidang medis memiliki banyak kegunaan aplikasi diantaranya telediagnosis, telekonferensi antara dokter, pembelajaran jauh dari tenaga medis dan saling bertukar gambaran medis antara dokter, spesialis, dan ahli radiologi. Citra medis berisi informasi mengenai data medis seseorang yang tidak boleh diketahui oleh orang yang tidak berkepentingan. Oleh karena itu, dilakukan proses watermarking pada citra medis. Watermarking merupakan penyisipan suatu informasi ke dalam gambar untuk melindungi kepemilikan tanpa merusak kualitas citra. Watermarking bertujuan untuk memberi label kepemilikan (ownership) atau Perlindungan hak cipta pada citra digital. Pada tugas Akhir ini, dirancang metode watermarking berbasis Dual Tree Complex Wavelet Transform (DTCWT), Singular Value Decomposition (SVD), dan Affine Scale-Invariant Feature Transform (ASIFT). Arnold Transform diterapkan pada citra watermark untuk mengubah koordinat piksel agar tata letak citra berubah. Dalam proses watermarking citra medis ini terbagi menjadi dua tahapan yaitu penyisipan dan ektraksi. Pada tahap penyisipan, citra watermark yang telah diacak kemudian disisipkan pada citra host dengan melakukan penerapan DTCWT dan SVD sehingga menghasilkan citra medis ter-watermark. Pada tahap ekstaksi, citra medis ter-watermark dilakukan penerapan ASIFT dan rekonstruksi menggunakan Arnold Transform, maka akan menghasilkan citra watermark ter-ekstraksi. Tujuan dari skema watermarking berbasis metode DTCWT, SVD, Transformasi Arnold, dan ASIFT mampu mengamankan dan melindungi citra medis dari berbagai penambahan noise baik noise umum maupun noise geometris. Hasil dari penelitian ini, sistem dapat menghasilkan nilai PSNR yang lebih besar dari 30 dB, nilai NC mendekati 1, nilai SSIM mendekati 1, dan nilai BER kurang dari 0.1 untuk setiap modalitas yang di uji.