ABSTRAKSI: Saat ini orang-orang mulai beralih dari citra analog ke citra digital. Seringkali citra digital terkontaminasi oleh impulsive noise yang disebabkan oleh error-error yang dibangkitkan dalam noisy sensor atau kanal komunikasi, sehingga kualitas citra menjadi turun atau tidak sesuai dengan citra aslinya.
Dalam upaya untuk mengurangi impulsive noise pada citra digital maka dalam tugas akhir ini akan dianalisis dan diimplementasikan pemakaian metode Long-Range Correlation, sehingga kualitas citra ternoise dapat ditingkatkan. Ide dari Long-Range Correlation adalah mencari remote window terbaik dari beberapa calon remote window yang terletak pada tempat yang berbeda didalam search range pada citra. Pemilihan remote window terbaik ini berdasarkan pada Mean Square Error of the Matching part (MSEM) pada bagian yang tidak terkena noise dari local window (window yang akan diperbaiki) dan calon remote window. Setiap calon remote window akan menghasilkan mean-squared error dari bagian yang dicocokkan (MSEM) dari local window dan remote window, remote window dengan MSEM yang paling kecil akan dipilih. Kemudian pixel yang rusak akan ditimpa dengan menggunakan pixel yang tidak ternoise pada remote window yang telah ditransformasi.Kata Kunci : Noise filtering, impulsive noise, long-range correlationABSTRACT: Nowdays, peoples are moving from analogue image to digital image. Digital images are often contaminated by impulsive noise due to errors generated in noisy sensor and communication channels, so the image’s quality become decrease.
In order to reduce the impulsive noise on digital images so in this final task, Long-Range Correlation Method, will be analyzed dan implemented, so we can improve image’s quality. The idea of this method is to find the best remote window from some candidate remote window in different region of search range in the image. The selection of the best remote window is based on Mean Squared Error of the Matching part (MSEM) in the good part of local window and the candidate remote window. Each of candidate remote windows will result in mean-squared error of the matching part MSEM, the remote window with the least MSEM will be selected. Then, the corrupted pixels in local window will be recovered using the good pixels in the transformed remote window.Keyword: Noise filtering, impulsive noise, long-range correlation.