ABSTRAKSI: Saat ini citra digital telah dapat dimanfaatkan dalam berbagai bidang kehidupan, hal ini disebabkan karena berbagai keunggulan yang dimiliki citra digital. Namun dalam pengambilan maupun pemindahan suatu citra digital mengalami seringkali terjadi distrosi yang mengakibatkan adanya noise pada citra digital yang diterima, sehingga menyebabkan kualitas citra yang diterima menjadi berkurang atau tidak sesuai dengan citra aslinya.
Dalam tugas akhir ini telah disimulasikan, dan dianalisis metode Maximum Aposteriori-Gaussian Scale Mixtures dalam melakukan proses pengurangan noise pada suatu citra digital, dengan noise yang dipakai adalah additive Gaussian noise, impusive noise dan laplacian noise dengan probabilitas tertentu yang dibangkitkan melalui suatu noise generator. Citra noisy image tersebut akan dipecah menjadi beberapa subband (LL,LH,HL,HH), dan subband yang diproses hanya LH,HL,HH menggunakan metode GSM dengan estimasi Maximum Aposteriori (MAP) untuk multipliernya dan Local Wiener untuk koefisien pusat matriksnya.
Parameter performansi yang digunakan pada tugas akhir ini adalah PSNR (Peak Signal-to-Noise Ratio) dan dari hasil analisis didapatkan bahwa secara umum metode Maximum Aposteriori-Gaussian Scale Mixtures lebih optimal digunakan untuk mengurangi additive gaussian noise lalu laplacian, impulsive dan terakhir multiplicative Gaussian noise. Dimana untuk mendapatkan nilai PSNR yang lebih baik dipengaruhi oleh semakin besarnya ukuran MAP size yang digunakan.Kata Kunci : Gaussian Scale Mixture (GSM), Maximum Aposteriori (MAP), Noise, Discrete Wavelet Transform (DWT), PSNRABSTRACT: Nowdays, digital image can be used in every field of live. It causes access and move from one media digital image to another media more often to do. But, the taking and move of the digital image often realizes a distortion that makes there is a noise at the digital image, so the qualities that accept by someone will be less or not as good as the original.
In this final project, had been implemented, and analyted, Maximum Aposteriori-Gaussian Scale Mixtures in doing filtering process to a digital image that may subtract the noise, so the qualities can be advance. Noise that’s used is additive Gaussian noise, impusive noise dan laplacian noise with a fixed probability, where it’s generated by a noise generator. This digital image will be decompose into 4 subband (LL,LH,HL,HH) dan the subband that will be prosessed are LH,HL, and HH using GSM method with maximum aposteriori for estimating the multiplier and local wiener to estimate the central coefficient.
Performance parameter that’s tested is PSNR (Peak Signal-to-Noise Ratio) and from the analysis result, asserts that Maximum Aposteriori-Gaussian Scale Mixtur method is very proper to be used for decreasing additive gaussian noise lalu laplacian, impulsive dan terakhir multiplicative Gaussian noise. To get better PSNR, we can use bigger size of MAP size.Keyword: Gaussian Scale Mixture (GSM), Maximum Aposteriori (MAP), Noise, Discrete Wavelet Transform (DWT), PSNR