ABSTRAKSI: Salah satu faktor perusak citra digital adalah noise yaitu nilai pixel yang berubah dari aslinya. Banyak faktor yang menyebabkan noise pada citra digital antara lain pengaruh noise pada sistem komunikasi, dan kesalahan fotografi atau rekonstruksi citra digital. Untuk itu, pereduksi noise akan membantu mendapatkan citra digital yang diharapkan.
Tugas akhir ini akan membahas implementasi Dual-Tree Complex Wavelet Transform (DTCWT) dan metode wavelet thresholding Normal Shrink dan membandingkan antara metode threshold soft-threshold dan bivariate shrinkage untuk mengurangi noise pada citra digital berwarna. Noise yang dimaksud adalah model noise Gaussian. Pada transformasi wavelet 2-D, cenderung terjadi aliasing jika koefisien waveletnya mengalami perubahan, sementara pada analisis dan sistesis dengan complex wavelet, hampir tidak ada efek aliasing karena fungsi scaling yang kompleks, tidak real seperti pada DWT. Hal ini memungkinkan bivariate threshold tanpa terjadi artefak pada hasil akhirnya.
Metode denoising dengan dekomposisi Dual-Tree Complex Wavelet secara umum menghasilkan gain yang lebih baik dari DWT, gain terbaik deperoleh dengan metode denoising normal-bivariate shrink. Hasil yang baik terutama terjadi pada citra dengan dimensi besar dan redundancy besar. Gain DWT dengan soft-threshold Normal Shrink adalah sebesar 12,4 dB dan dengan DTCWT didapat gain 13,84 dB, pada level dekomposisi 5 dan variansi noise 0.01 pada citra berukuran 1024x1024 pixel dan redudansi 2,4.Kata Kunci : Denoising, Image, DTCWT, Normal Shrink.ABSTRACT: Noise is one of many factors that corrupt digital images, it turns pixels to be different than the original pixel. Many factors can add noise to digital image, such as noisy communication system, errornous photography or digital image reproduction. Noise reduction techniques designed to supress the noise in noisy data and acquire desired digital image quality.
This final project will discuss Dual-Tree Complex Wavelet Transform (DTCWT) and thresholding Normal Shrink implementation and to compare softthreshold method and Bivariate Shrinkage. Noise model used to simulate noisy image is Gaussian noise mode. Aliasing occurs on 2-D DWT wavelet transforms, because the filters used are real filters. On the other hand, systhesis and analisys in complex wavelet does not produce much aliasing because of complex wavelet scaling function used in the transform. Thus, the bivariate threshold function more desirably on complex wavelet space.
Denoising methods that uses Dual-Tree Complex Wavelet analysis are generally provides better results than its Real-DWT counterpartsMetode denoising dengan dekomposisi Dual-Tree Complex Wavelet. Large dimension and high redudancy digital images generally provides better results when denoised. DWT result by using normal-shrink soft threshold is 12,4 dB gain in PSNR, and the DTCWT result is 13,84 dB on denoising 1024x1024 pixels digital images with 2,4 redudancy.Keyword: Denoising, Image, DTCWT, Normal Shrink.