ANALISIS & IMPLEMENTASI IMAGE DENOISING DENGAN MENGGUNAKAN METODE NORMALSHRINK SEBAGAI WAVELET THRESHOLDING ANALYSIS & IMPLEMENTATION IMAGE DENOISING USING NORMALSHRINK METHOD AS WAVELET THRESHOLDING

RADEN ABI HANINDITO

Informasi Umum

Kode

113020108

Klasifikasi

000 - Generalistics

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Other

Dilihat

65 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Citra digital, merupakan salah satu bentuk citra yang paling mudah dipergunakan dari segi pengiriman sebagai data, pengolahan dan pemrosesan citra itu sendiri. Ketika citra diimplementasikan dalam kehidupan, seringkali dalam proses pengiriman citra baik melalui satelit maupun melalui kabel akan mengalami interferensi atau gangguan dari luar yang menyebabkan citra terkena noise.<br> Dalam Tugas Akhir ini telah dianalisis dan diimplementasikan pemakaian metode NormalShrink yang berbasis wavelet untuk mendapatkan threshold yang digunakan dalam proses denoising (penghilangan noise). Noise yang digunakan dalam Tugas Akhir ini adalah additive gaussian noise, additive laplacian noise, dan impulsive noise yang akan dibangkitkan melalui suatu noise generator.<br> Dari hasil percobaan yang didapatkan, metode NormalShrink cukup baik dalam menghilangkan noise, serta didapatkan kesimpulan performansi yang lebih baik antara denosing yang dilakukan pada domain spasial dengan denoising yang dilakukan pada domain frekuensi.Kata Kunci : wavelet, denoising, NormalShrink, additive gaussian noise, additive laplacian noise, impulsive noiseABSTRACT: Digital Image is a kind of image, that is very easy for used, like for image transmission as the data, enhancement and processing. When image is implemented in our life, example in sending process through satelite or near cable, it often happened interference that causing the noise into the image.<br> In this Final Project, it has been analysed and implemented the used of NormalShrink method based on wavelet to yield threshold which is used for denoising process (noise removing). The noise which is used in this final project are additive gaussian noise, additive laplacian noise and impulsive noise which is generated by noise generator.<br> From the experiment result, NormalShrink method is good enough for noise removing, and the better performance between denoising process performance in spatial domain and frequency domain.Keyword: wavelet, denoising, NormalShrink, additive gaussian noise, additive laplacian noise, impulsive noise