ANALISIS DAN SIMULASI PEMBELAHAN MAKSIMUM SUBBAND LL PADA NORMAL SHRINK WAVELET UNTUK DENOISING MULTI LAYER DATA (ANALYSIS AND SIMULATION OF MAXIMUM LEVEL DECOMPOSITION ON NORMAL SHRINK WAVELET FOR MULTI LAYER DATA DENOISING)

I Gusti Bagus Suardika Yasa

Informasi Umum

Kode

111020329

Klasifikasi

000 - Generalistics

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Other

Dilihat

53 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Denoising merupakan suatu teknik bertujuan untuk mengurangi efek derau yang biasa mendistorsi data hasil akuisisi. Dalam tugas akhir ini, data hasil akuisisi berupa multi layer data seperti citra RGB dan suara stereo. Perbaikan terhadap kerusakan pada multilayer data menjadi sangat diperlukan dengan keterbatasan alat akuisisi yang ada saat ini. Lingkungan dan alat akuisisi yang tidak ideal akan mengakibatkan kerusakan berupa penambahan derau pada suatu data digital dalam hal ini data citra RGB dan suara stereo, sehingga diperlukannya suatu algoritma pada bagian akuisisi yang dapat membenahi kerusakan yang diakibatkan oleh noise yang terdapat pada saat akuisisi tersebut. Dalam tugas akhir ini diimplementasikan algoritma normal shrink untuk mendapatkan threshold yang diperlukan pada proses soft treshold pada setiap subband kecuali low pass residual setiap level dekomposisi atau pembelahan subband low-low. Level dekomposisi yang dilakukan sebanyak 25 kali untuk mengetahui pengaruh level dekomposisi dibawah, diatas, dan pada level dekomposisi maksimum. Sedangkan wavelet yang digunakan adalah symetric wavelet atau symlet dengan orde 1 hingga 20. Citra uji yang digunakan berformat (.bmp) sedangkan suara uji yang digunakan berformat (.wav). Citra dan suara tersebut terdistorsi derau AWGN (Additive White Gausian Noise) sebesar 10 hingga 20 dB. Dari hasil percobaan yang dilakukan maka didapat bahwa normal shrink dapat memperbaiki PSNR hingga 12 dB pada citra ter-noise dengan SNR 10 dB. Sedangkan pada suara, normal shrink dapat meningkatkan hingga SNR 5.2 dB dari suara terderau dengan SNR 10 dB.Kata Kunci : Soft threshold, Normal Shrink, AWGN, WaveletABSTRACT: Denoising is a technique, which purposed for decreasing the effect of noise distortion on acquisition result. In this final assignment, the acquisition result is multi layer data like stereo voice and RGB image. Reparation of damage on multi layer data becomes very important because the limit of acquisition tool these day. Environments and acquisition tool which not ideal makes additive distortion of noise on digital data like RGB image and stereo voice, because of that, an algorithm needed to repair the damage on acquisition. In this final assignment, normal shrink algorithm implemented to get threshold value that needed in soft threshold process of all sub bands except low pass residual sub band in every level decompositions. Twenty-five time of level decomposition are implemented to knowing the effect of which is upper, lower, and on maximum decomposition level. Symlet first until 20th orders used in this final assignment. Bitmap (.bmp) and (.wav) are used to be image and voice sample in this final assignment. Those image and voice distorted by additive white gaussian noise with 10 until 20 dB SNR. Base from the experiment, it can be concluded that the specific order and decomposition level of wavelet on normal shrink algorithm can repair until 12 dB of PSNR on 10 dB SNR noised image. On the other hand, normal shrink algorithm can increase until 5.2 dB SNR from 10 dB SNR noised voice.Keyword: Soft threshold, Normal Shrink, AWGN, Wavelet