EVALUASI METODE FUSI CITRA MULTI RESOLUSI MENGGUNAKAN ALGORITMA WANG BOVIK DAN OBJECT BASED IMAGE ANALYSIS (OBIA)

EVALUASI METODE FUSI CITRA MULTI RESOLUSI MENGGUNAKAN ALGORITMA WANG BOVIK DAN OBJECT BASED IMAGE ANALYSIS (OBIA) 1

Sanjiwana Arjasakusuma1,3*, Yanuar Adji N.2, Isti Fadatul K.2 dan Pramaditya W.3 Program Pasca Sarjana Penginderaan Jauh, Fak. Geografi UGM, Sekip Utara, Sleman, Yogyakarta 55281 Email: [email protected] 2 Prodi Kartografi dan Penginderaan Jauh, Fak. Geografi UGM, Sekip Utara, Sleman, Yogyakarta 55281 Email: [email protected], [email protected] 3 PUSPICS Fak. Geografi UGM, Sekip Utara, Sleman, Yogyakarta 55281 Email: [email protected] *Corresponding author: [email protected]

ABSTRAK Dewasa ini ketersediaan data penginderaan jauh yang semakin melimpah, mendorong pengembangan teknik pemrosesan dan analisis dalam penggunaannya. Kemampuan data penginderaan jauh yang dapat mengekstrak informasi di permukaan bumi tanpa kontak langsung dapat dimanfaatkan dalam berbagai tema pemetaan maupun analisis lanjutan. Kualitas data penginderaan jauh dikontrol oleh kualitas resolusi spasial, spektral, radiometrik, serta resolusi temporal. Integrasi dua atau lebih data penginderaan jauh dapat dilakukan guna menggabungkan kelebihan masing-masing citra untuk menghasilkan citra baru dengan kualitas maksimal baik dari sisi spektral maupun spasial. Fusi citra adalah salah satu metode penajaman citra dengan menggabungkan citra dengan resolusi spasial baik, namun mempunyai kelemahan pada kualitas spektralnya yang dapat di-fusi dengan citra yang mempunyai kualitas spektral yang baik. Penelitian ini bertujuan untuk mengkaji hasil beberapa metode fusi citra secara kuantitatif dalam mengakomodasi keunggulan dari input citra fusi baik itu dalam hal kedetilan spasial dan keberagaman spektral. Metode yang digunakan adalah HIS (Hue, Intensity, Saturation), BROVEY, PC, Gramm–Schmidt dan Wavelet transformation. Citra yang digunakan dalam penelitian ini adalah citra ALI (Pankromatik dan Multispektral), dan ALOS (AVNIR). Evaluasi kuantitatif hasil fusi dilakukan dengan menggunakan Wang-Bovik Quality Index dan menghitung akurasi pemetaan dari klasifikasi berbasis obyek menggunakan ground truth image dari citra Worldview II (WV-2). Hasil penelitian menunjukkan transformasi fusi menggunakan wavelet transformation terbukti lebih mempertahankan kualitas spektral citra asli dan juga menghasilkan akurasi total sebesar 66.7 % dan indeks kappa sebesar 0.4878 yang menunjukkan hasil akurasi yang lebih stabil dibandingkan hasil klasifikasi berbasis obyek menggunakan metode fusi lainnya. KATA KUNCI: Fusi citra, Wang-Bovik Quality Index, klasifikasi berbasis obyek, akurasi pemetaan

1. PENDAHULUAN Fusi citra dalam pengertiannya, adalah kombinasi dari dua buah citra yang berbeda atau lebih untuk menghasilkan citra baru menggunakan algoritma tertentu (Pohl dan Genderen, 1998). Fusi citra dimaksudkan untuk menghasilkan citra baru yang lebih informatif dibandingkan dengan citra sebelumnya, dimana citra yang dihasilkan memiliki kedetilan tinggi dan memiliki informasi spektral yang baik. Schowengerdt (1997) secara lebih lanjut, mengemukakan bahwa metode fusi citra secara umum terbagi menjadi 2, yaitu:  Feature space fusion: fusi citra yang menggunakan metode transformasi citra ke dalam ruang baru yang nantinya citra baru hasil transformasi merepresentasikan komponen/obyek yang berkorelasi.  Spatial domain fusion: metode fusi citra ini mentransfer frekuensi tinggi pada citra dengan resolusi tinggi ke citra dengan resolusi lebih rendah. Pada konsepnya, fusi citra ini menggunakan high pass filtering pada citra resolusi tinggi untuk digabungkan dengan citra resolusi rendah. Evaluasi hasil citra fusi umumnya dilakukan dengan menggunakan pengamatan secara kualititatif, namun evaluasi kualitas citra hasil fusi dapat diukur secara kuantitatif menggunakan indeks kualitas wangbovik dengan membandingkan hasil pemrosesan dengan citra referensi. Wang dan Bovik (2002) menyatakan bahwa indeks kualitas berguna untuk menilai kualitas citra, mengontrol kualitas citra, dan mengevaluasi algoritma penajaman citra.

Penelitian ini bertujuan mengevaluasi kualitas berbagai macam fusi citra pada citra ALI (Advanced Land Imagery) antara citra pankromatik dan multispektral melalui nilai indeks kualitasnya dan kemampuannya dalam menurunkan informasi. Hasil fusi citra ALI juga dikaji akurasinya dalam mengekstrak informasi menggunakan klasifikasi berbasis obyek (OBIA) yang akan dibandingkan dengan akurasi klasifikasi OBIA pada citra yang beresolusi spasial sama dengan citra ALI fusi yaitu citra ALOS AVNIR 2. Penilaian akurasi dilakukan menggunakan Worldview-2 untuk reference image. 2. DAERAH KAJIAN Penelitian dilakukan pada sebagian daerah Kota Yogyakarta dan Kabupaten Bantul, Provinsi Daerah Istimewa Yogyakarta. Daerah kajian seperti terlihat pada Gambar 1.

Gambar 1. Daerah Kajian Penelitian. 3. DATA DAN METODE 3.1. Data Data yang digunakan adalah citra ALI Pankromatik dan Multispektral. Resolusi spasial ALI Pankromatik adalah 10 m, dan resolusi spasial ALI Multispektral adalah 30 m. Hasil fusi akan menghasilkan citra dengan resolusi 10 m. Data pendukung lainnya adalah citra ALOS AVNIR dengan resolusi spasial 10 m untuk pembanding hasil klasifikasi dan Citra resolusi tinggi yaitu worldview-2 dengan resolusi spasial sebesar 2 m untuk uji akurasi pemetaan. Citra input untuk OBIA berukuran 700 x 700 piksel karena keterbatasan pada software SPRING. 3.2. Metode 3.2.1. Fusi Citra a. IHS (Intensity, Hue, Saturation) Transformasi IHS konvensional melibatkan dua kali proses transformasi ruang warna dimana citra Multispektral ditransformasi ke IHS, manipulasi kontrast citra pankromatik, substitusi komponen I dengan citra hasil manipulasi kontras, lalu citra IHS dikembalikan ke ruang RGB (Jensen, 2005).

b. Brovey Metode fusi Brovey berdasarkan pada transformasi chromatic (Gillespie et al, 1987 dalam Jensen, 2005). Pada metode ini setiap saluran dengan resolusi lebih rendah dikalikan dengan rasio dari saluran dengan resolusi spasial lebih tinggi dibagi dengan jumlah dari saluran multispektral, seperti terl ihat pada algoritma di bawah ini:

(1) Dimana BMB Blow Bhigh

: Citra hasil fusi : Citra resolusi spasial rendah : Citra resolusi spasial tinggi

c. Principal Component (PC) Fusi PC menggunakan rotasi principal component pada citra multispektral, hasil PC1 disubstitusi dengan citra pankromatik lalu citra PC diinverse kembali ke citra RGB. d. Gramm–Schimdt Prinsip metode Gramm-Schimdt hampir sama dengan fusi pada PC yaitu keduanya menerapkan fungsi rotasi citra. Perbedaannya adalah pada Gramm-Schimdt, dilakukan proses simulasi citra pankromatik dari dataset citra multispektral yang jatuh pada range citra pankromatik tersebut. e. Wavelet Metode wavelet merupakan prosedur matematis yang digunakan untuk pemrosesan signal digital, yang mendukung analisis multiresolusi serta multiskala (Hong dan Zhang, 2003). Proses metode penggabungan citra secara prosedural meliputi:  Menyesuaikan secara radiometrik kedua citra masukan dengan histogram matching.  Menggunakan transformasi wavelet pada citra resolusi tinggi untuk membuat 4 citra yang mempunyai resolusi yang sama dengan citra resolusi rendah. Tiga dari empat citra tersebut berisi informasi struktural (struktural vertikal, struktural horizontal, dan struktural diagonal) dari citra resolusi tinggi yang dimasukkan ke dalam citra resolusi rendah. Tiga citra tersebut diberi kode oleh koefisien wavelet dan di filter high pass sehingga menghasilkan informasi struktural sesuai arahnya. Citra keempat di filter low pass, kemudian meresample citra resolusi tinggi ke rendah.  Meregistrasi citra resolusi rendah ke sistem yang sama dengan referensi citra resolusi tinggi.  Mentransformasi invers wavelet untuk meregistrasi citra resolusi rendah yang menghasilkan citra pseudo dengan resolusi spektral tinggi serta informasi struktural. Secara umum langkah kerja dalam penelitian ini dapat diilustrasikan dengan Gambar 2 berikut:

Sensor

Input Proses PAN (10 m)

ALI

FUSI

Hasil Proses Quality Index

HASIL FUSI

MS (30 m)

ALOS

AVNIR (10 m)

OBIA

WV (2m)

Accuracy Assesment

Ground Truth Samples

Gambar 2. Diagram alir penelitian.

Kesimpulan

3.3. Evaluasi Hasil 3.3.1. Indeks Kualitas Wang Bovik Wang dan Bovik (2002) memperkenalkan suatu metode untuk menilai kualitas citra melalui nilai indeks yang dihasilkan dari kehilangan korelasi dengan citra referensi (loss of correlation), distorsi pencahayaan (luminance distortion), dan distorsi kontras (contrast distortion), sebagai mana ditunjukkan pada persamaan berikut :

(2) Dimana rumus ini berasal dari,

a

b

c

(3)

Dimana a: berkurangnya nilai korelasi b: distorsi pencahayaan c: distorsi contrast Parameter yang digunakan dalam algoritma Wang – Bovik adalah :  rata – rata dari citra original dan citra test

(4)  variansi dari citra original (x)

(5)  variansi dari citra test (y)

(6)  cross variansi citra original dan citra test

(7) Dimana N: jumlah piksel X: citra original Y: citra hasil fusi (Chukka, 2010) 3.3.2. Klasifikasi berbasis Obyek (OBIA) Klasifikasi dengan metode object based image analysis melalui dua tahapan utama yaitu segmentasi citra dan klasifikasi tiap segmen. Segmentasi citra bertujuan untuk memecah setiap piksel dalam citra menjadi region- region yang merepresentasikan satu kelas obyek tertentu. Region- region yang terbentuk merupakan kumpulan piksel dengan tingkat homogenitas/ kemiripan aspek spektral dan spasial yang sama/ mirip. Proses segmentasi dikontrol oleh penentuan nilai similarity threshold, yang sangat bergantung pada ketersediaan data dan aplikasi spesifik yang akan dikembangkan (Bins et al., 1996). Metode segmentasi yang dikembangkan saat ini diantaranya metode region growing yang mengacu pada proses perulangan dimana region berasal dari hasil penggabungan tiap- tiap piksel dan berkembang secara berulang hingga setiap piksel dalam cakupan citra terproses.

3.3.3. Uji Akurasi Klasifikasi Uji akurasi dilakukan dengan membandingkan data kelas tutupan lahan hasil klasifikasi berbasis obyek hasil ekstraksi dari citra fusi ALI dengan menggunakan identifikasi citra dengan resolusi yang lebih tinggi yaitu menggunakan citra Worldview–2. Akurasi yang dihitung adalah akurasi total (%) dan analisis statistik multivariate menggunakan indeks Kappa. 4. HASIL DAN PEMBAHASAN 4.1. Fusi Citra dan Indeks Wang Bovik Fusi citra dilakukan dengan menggabungkan saluran pankromatik dan saluran multispektral menggunakan 5 metode yang berbeda yaitu metode Brovey, HIS, Principal component, Gramm-Schmidt dan Wavelet. Metode tersebut akan menghasilkan 5 citra yang berbeda dengan resolusi spasial 10 m. Komposit yang digunakan untuk fusi pada penelitian kali ini adalah komposit 542 pada citra ALI, atau menggunakan saluran inframerah dekat, saluran merah dan saluran biru pada citra ALI. Penggunaan komposit ini dimaksudkan untuk menyamai komposit dari ALOS AVNIR yang mempunyai nilai Optimum Index Factor (OIF) paling besar yaitu pada komposit 431 dari ALOS AVNIR 2. Hasil citra fusi dapat dilihat pada Gambar 3.

Gambar 3. Citra asli ALI komposit 542 dan hasil fusi. Secara visual, hasil fusi citra yang mempertahankan aspek spektral citra adalah fusi citra menggunakan metode wavelet. untuk membuktikan pernyataan ini maka digunakan perhitungan indeks Wang Bovik atau sering juga disebut sebagai indeks kualitas citra universal. Pada penelitian ini dihitung juga nilai indeks Wang Bovik menggunakan citra lainnya sebagai pembanding. Citra yang digunakan adalah citra ALOS AVNIR–2 dan citra WV–2. Tabel nilai indeks Wang Bovik untuk komposit 5 4 2 dapat dilihat pada Tabel 1. Nilai indeks Wang Bovik mempunyai nilai -1 hingga 1, apabila mendekati 1 maka citra turunan memiliki kualitas spektral yang mendekati citra asli.

Tabel 1. Hasil Indeks Wang Bovik. Citra

ALI

ALOS

WV -2

Metode

Biru

Merah

IM Dekat

HIS Brovey Gramm Schmidt PC Wavelet HIS

0.834041 0.400639 0.975695 0.855339 0.902096 0.771743

0.855582 0.398315 0.932531 0.880577 0.94186 0.802185

0.174792 0.116265 0.567301 0.301298 0.899177 0.467493

Brovey Gramm Schmidt PC Wavelet HIS Brovey

0.168307 0.722805 -0.47596 0.894032 0.779531 0.372843

0.169934 0.707851 -0.50364 0.9457 0.845055 0.388382

0.182116 0.924829 0.934816 0.949192 0.688042 0.347482

Gramm Schmidt PC Wavelet

0.870453 0.825352 0.958393

0.910948 0.873327 0.974813

0.954968 0.895362 0.978412

Tabel 1 menunjukkan bahwa metode wavelet menghasilkan citra yang memiliki kualitas spektral yang hampir menyamai kualitas spektral citra asli dengan resolusi yang lebih tinggi. Hal ini memperkuat pernyataan Sanjeevi et al. (2001) bahwa wavelet mempertahankan 85% informasi spektral dari citra asli. Hasil metode wavelet juga merata pada ketiga saluran spektral RGB. Metode Gramm-Schmidt juga memberikan hasil yang cukup baik ditandai dengan hasil yang mendekati 1 sehingga dapat disimpulkan bahwa metode tersebut juga baik dalam menyajikan citra fusi yang mempunyai kualitas spektral yang baik. Fusi citra ALOS menggunakan metode principal component menghasilkan citra dengan kenampakan yang sangat berbeda dengan kenampakan citra ALOS asli sehingga menghasilkan nilai indeks yang minus. Buruknya nilai indeks oleh karena hasil fusi ini disebabkan oleh perbedaan waktu perekaman dari citra ALOS PRISM (pankromatik) dan ALOS AVNIR 2. sehi ngga menghasilkan citra fusi yang sangat berbeda dengan citra aslinya dalam segi kenampakan spektralnya (Gambar. 4)

(a)

(b)

Gambar 4. Hasil fusi metode PC pada citra ALOS; (a) citra asli dan (b) citra hasil fusi.

Indeks Wang Bovik pada citra ALI menunjukkan adanya kecenderungan penurunan nilai indeks pada saluran inframerah dekat pada semua metode seperti terlihat pada Gambar 5 berikut. Hal ini dapat disebabkan oleh karena range saluran pankromatik pada citra ALI tidak mencapai panjang gelombang inframerah dekat sehingga pantulan pankromatik tidak berkorelasi secara kuat terhadap saluran inframerah dekat. Fusi HIS

Fusi Brovey 0.45

0.9

0.4

0.8

0.35

0.7

ALI

0.25

ALOS

0.2

WV-2

0.15

0.6

Indeks

Indeks

0.3

ALI

0.5

ALOS

0.4

WV-2

0.3

0.1

0.2

0.05

0.1

0

0

1

2

3

1

Saluran Spektral (1:biru, 2:m erah, 3:irdekat)

1.2

1.2 1

1

0.8 0.6 0.4

0.8

ALI ALOS WV-2 1

2

Indeks

Indeks

3

Fusi Gram m Schm idt

Fusi Principal Com ponent

0.2 0 -0.2

2

Saluran Spektral (1:biru, 2:m erah, 3:irdekat)

ALI

0.6

ALOS WV-2

0.4 0.2

3

-0.4 -0.6

0 1

2

3

Saluran Spektral (1:biru, 2:m erah, 3:irdekat)

Saluran Spektral (1:biru, 2:m erah, 3:irdekat)

Fusi Wavelet 1 0.98

Indeks

0.96 0.94

ALI

0.92

ALOS

0.9

WV-2

0.88 0.86 0.84 1

2

3

Saluran Spektral (1:biru, 2:m erah, 3:irdekat)

Gambar 5. Kecenderungan penurunan nilai indeks Wang Bovik pada saluran inframerah dekat pada citra ALI. 4.2. Akurasi Klasifikasi Berbasis Obyek Klasifikasi berbasis obyek yang dilakukan pada penelitian kali ini menggunakan metode region growing untuk segmentasi dengan menggunakan nilai similarity sebesar 30 dan area (threshold) sebesar 50. similarity merupakan derajat kesamaan antara piksel yang bertetangga, sedangkan area threshold adalah kumpulan piksel terkecil yang mampu menjadi region (Espindola, 2006). Lebih lanjut Espindola (2006) menyatakan bahwa nilai similarity dan area threshold yang baik bernilai antara 22 s/d 50. Klasifikasi berbasis obyek pada citra hasil fusi dan citra ALOS AVNIR 2 komposit 431 membedakan 5 kelas utama yaitu 1) tubuh air, vegetasi, lahan terbuka, lahan terbangun dan aspal. Hasil segmentasi dapat dilihat pada Gambar 6. Hasil klasifikasi berbasis obyek diverifikasi menggunakan data informasi tutupan lahan yang diambil melalui interpretasi visual dari citra Worldview–2 dengan resolusi 2 m. Sampel yang diambil

sebanyak 450 sampel yang tersebar secara acak. Hasil akurasi total dan indeks Kappa dapat dilihat pada Gambar 7.

Gambar 6. Klasifikasi berbasis obyek pada citra ALOS dan citra fusi ALI. Accuracy Assesment 67.14

70 60

58

53.78

50 40

66.57 61.78 48.78

44.55 36.63

39.3

34.48

Akurasi Total (%)

30

Indeks Kappa

20 10 0 Brovey

HIS

Principal component

Gramm Schmidt

Wavelet

Gambar 7. Akurasi Hasil Klasifikasi berbasis Obyek pada citra hasil fusi.

Klasifikasi berbasis obyek pada citra fusi metode PC dan metode wavelet memegang hasil akurasi tertinggi dengan 67.1 % dan 66.57 % akan tetapi, akurasi tersebut masih lebih rendah jika dibandingkan akurasi total hasil klasifikasi berbasis obyek menggunakan citra ALOS AVNIR yang mencapai 78.53 % dan indeks kappa sebesar 0.6514. 5. KESIMPULAN Transformasi Wavelet terbukti memberikan hasil tampilan citra fusi yang lebih baik dalam mempertahankan kualitas spektral citra dan mempertajam kualitas spasial citra. Wavelet juga memberikan akurasi yang lebih baik dibandingkan dengan citra fusi lainnya dalam hasil klasifikasi berbasis obyek meskipun akurasinya

masih di bawah akurasi klasifikasi berbasis obyek menggunakan citra ALOS AVNIR. Selanjutnya perlu dikaji performa metode fusi tersebut dalam fusi antar citra yang berbeda sensor. UCAPAN TERIMA KASIH Ucapan terimakasih penulis ucapkan kepada PUSPICS UGM dan juga kepada Digital Globe yang telah memberikan akses citra Worldview–2 untuk pelaksanaan penelitian ini. DAFTAR PUSTAKA Bins, L., Fonseca, L., and Erthal, G., (1996), Satellite Imagery Segmentation: a region growing approach. VIII Brazilian Symposium on Remote Sensing, pp. 677-680. Chukka, C. (2010), Image Quality Assessment. [accessed 22 October 2011]. Available from http:// wwwee.uta.edu/Dip/.../chaitanyaee5359d.pdf . Espindola, G.L., Camara, G, Reis, I.A., Bins., L.S., and Monteiro, A.M. (2006), Parameter Selection for Region-Growing Image Segmentation Algorithms using Spatial Autocorrelation, International Journal of Remote Sensing, 27 (14), 3035-3040. Hong. G, and Zhang. Y. (2003), High Resolution Image Fusion based on wavelet and HIS Transformation. 2nd GRSS/ISPRS Joint Workshop on Remote Sensing and Data Fusion over Urban Areas, Berlin, Germany, 22-23 May 2003. Jensen, J.R., (2005), Introductory Digital Image Processing, 3rd ed., Upper Saddle River, Prentice Hall, New Jersey. Pohl, C.C. and Van Genderen, J.L. (1998), Multisensor image fusion in remote sensing: Concepts, methods and applications, International Journal of Remote Sensing, 19, 823–854. Sanjeevi, S., Vani, K., and Laksmi, K, (2001), Comparison of Conventional and Wavelet Transform Techniques for Fusion of IRC and LISS III and PAN Images. 22nd Asian Conference on Remote Sensing, Singapore. Schowengerdt, R.A., (1997), Remote Sensing: Models and Methods for Image Processing”, 2nd ed., Academic, Orlando, Florida. Wang, Z. and Bovik, A.C., (2002), A universal image quality index. IEEE Signal Process Letter, 9 (3), 81– 84.