KITEKTRO: Jurnal Online Teknik Elektro
e-ISSN: 2252-7036
Metode Recovery Data Berbasis Informasi Mutual antar Frame untuk Video Motion JPEG2000 Zul Syukri#1, Khairul Munadi#2, Fitri Arnia#3 #Magister Teknik Elektro, Fakultas Teknik Universitas Syiah Kuala Jl. Tgk, Syech Abdurrauf No.7, Darussalam, Banda Aceh, Indonesia 1
[email protected] [email protected] 3
[email protected] 2
paket, terhadap kualitas video. Ketika berbicara sebuah video dengan format MJP2, kualitas video bisa dihitung dari kualitas masing-masing frame, karena video MJP2 tersusun dari serangkaian citra JP2 yang diberi kode.
Abstrak— Real Time Transport Protocol (RTP) berdasarkan User Datagram Protocol (UDP), merupakan protokol yang beresiko hilangnya paket data disaat transmisi. Video Motion JPEG 2000 (MJP2) dikirim dalam bentuk paket data per paket data multimedia. Diperlukan suatu sistem yang dapat mengatasi hilangnya paket, terhadap kualitas dari video yang diterima tanpa proses retransmit dan Forward Error Correction (FEC). Video MJP2 tersusun dari serangkaian citra JPEG2000 (JP2). Vido ini dapat ditransformasikan ke domain wavelet diskrit untuk menampilkan dekomposisi subband, sehingga dapat dihitung nilai entropy dan mutual informasinya (MI). Berdasarkan analisa nilai entropy dan MI masing-masing frame, maka dapat ditentukan frame-frame terdekat yang memiliki MI yang tinggi, sehingga dapat merecover hilangnya data pada Video MJP2. Dengan menerapkan metode Discrete Wavelet Transform (DWT), nilai entropy dan nilai MI yang tinggi dari frame terdekat yang terlebih dahulu diterima, maka data dari frame terdekat dapat dipakai untuk merecover frame yang mengalami data lost. Semakin dekat nilai entropy dan tinggi nilai MI antara frame donor dengan frame yang mengalami packet lost, maka sangat menentukan tingkat keberhasilan dari hasil rekonstruksi. Hal ini bisa dibuktikan dengan mengamati nilai Peak Signal to Noise Ratio (PSNR), semakin tinggi nilai PSNR maka tingkat keberhasilan data recovery makin tinggi/bagus.
II. LANDASAN TEORI A. Struktur Umum Video. Pada video terdapat beragam informasi, diantaranya menampilkan informasi bergerak secara visual tentang suatu adegan (scenes). Informasi ini terdapat pada data video mentah, dan disediakan dengan biaya redundansi temporal yang sangat tinggi. Pendekatan pemodelan struktur merupakan salah satu pendekatan yang sering dipakai untuk menampilkan isi dari sebuah video seperti gambar 1. Pada struktur ini, urutan-urutan video terlebih dahulu dibagi menjadi shot gambar, shot gambar merupakan urutan frame video yang berkelanjutan serta tidak memiliki perbedaan antar frame yang signifikan dalam konten visual [5]. Beberapa fitur Motion JPEG2000 adalah intra frame coding untuk akses pengeditan sederhana, kemampuan kompresi lossless, penyisipan metadata, skalabilitas dalam resolusi dan kualitas [12].
Kata Kunci— Descrete Wavelet Transformation, Entropy, Mutual Informasi, PSNR.
I. PENDAHULUAN Streaming video melalui internet umumnya mengunakan Real Time Transport Protocol (RTP) yang berdasarkan pada User Datagram Protocol (UDP). Sistem UDP bukanlah protokol yang handal, sehingga beresiko hilangnya paket dari sebuah frame disaat transmisi. Untuk itu diperlukan sistem yang dapat mengatasi hilangnya paket, yang mempengaruhi kualitas video yang diterima tanpa proses retransmit dan FEC. Disaat hilangnya data dari frame-frame yang diterima, maka sistem harus mampu untuk merecover kembali data lost tersebut. Tingkat degradasi tidak sepenuhnya mempengaruhi hilangnya suatu paket, sehingga kita perlu untuk mengetahui atau menghitung kembali seberapa jauh dampak yang diakibatkan oleh hilangnya
Gambar 1. Model struktur video [5].
1
KITEKTRO: Jurnal Online Teknik Elektro
e-ISSN: 2252-7036
frekuensi rendah. Proses dekomposisi ini dapat melalui satu atau lebih tingkatan [3].
Gambar 2. Struktur tile MJP2 dengan codestream JP2 [7] Gambar 3. Dekomposisi subband menggunakan 2D DWT untuk transformasi level tiga [10]. MJP2 merupakan pengembangan dari standar JP2 untuk format video. Oleh sebab itu codestream MJP2 disusun sebagai serangkaian gambar yang berkesinambungan dari JP2 yang bergambar tetap [5].
Pada Gambar 3, memperlihatkan dekomposisi subband dari gambar standar 2D-DWT dengan penerapan transformasi level tiga. Kondisi "H" dan "L" sesuai dengan tahap high filter dan low-pass [10]. Bit kode terkuantisasi secara koefisien secara independen pada blok transform rectangular yang terkuantisasi secara koefisien, yang disebut codeblocks [4]. Penggunakan subband LL2 untuk pengaplikasian entropy untuk mendapatkan nilai mutual informasi pada setiap frame [12].
B. Motion JPEG2000. MJP2 merupakan standar kompresi yang sangat baik untuk digunakan dalam digital cinema, karena memberikan cukup headroom dalam deskripsi data film digital dan memiliki banyak fitur yang dapat digunakan. Beberapa fitur MJP20 berupa intra frame coding yang memudahkan pengeditan sederhana, kemampuan kompresi lossless, penyisipan metadata, skalabilitas dalam resolusi dan kualitas. Kualitas video MJP2 bisa dihitung dari kualitas masingmasing frame, karena video MJP2 tersusun dari serangkaian citra JP2 yang dikode [5], [12].
D. Entropy dan Mutual Information. Entropy merupakan ukuran dari panjang yang diharapkan pada sebuah kode biner atas semua simbol yang memungkinkan dalam sumber memori less diskrit, rata-rata jumlah bit yang dibutuhkan untuk mewakili simbol dalam sistem stasioner, sumber simbol terbatas dan menyatakan probabilitas kejadian. Mutual informasi pada dua buah citra akan memiliki informasi yang berbeda [12].
Intra frame coding merupakan pengkompresian informasi pada frame video yang berdasarkan pada perbedaan antara frame-frame sebelumnya. Pengkompresian inter frame dilakukan dengan mengindetifikasi perbedaan antara satu frame dengan frame lainnya dan hanya menyimpan informasi perbedaan yang terjadi antar frame tersebut [12]. Pada Gambar 2, header utama (MH) dari codestream JP2 meliputi parameter umum yang diperlukan untuk dekode citra; masing-masing tile dan ujung penanda codesteram (EOC) menginformasikan berhentinya codestream JP2 [7]. Sedangkan pada area yang tidak mengalami perubahan di dalam frame dijadikan elemen referensi yang tidak berubah [12].
Pada pergantian scenes (adegan) terdeteksi penurunan nilai yang signifikan pada mutual informasi. Nilai dari mutual informasi akan turun dengan drastis dan mendadak, dengan memprediksi gerak antara frame dengan tingkat yang lebih tinggi untuk semua frame lainnya [8]. Entropy dari suatu gambar dapat dengan mudah dihitung berdasarkan informasi histogram gambar, yang tidak lain adalah informasi terjadinya semua nilai intensitas (simbol) dalam gambar [11]. Entropy dapat dinyatakan sebagai berikut:
C. Diskrit Wavelet Transform (DWT). Prinsip dasar DWT adalah mendapatkan representasi waktu dan skala dari sinyal menggunakan teknik pemfilteran digital dan operasi subsampling. DWT memiliki peranan penting dalam mensimulasikan file video kedalam bentuk frame by frame (intraframes) pada setiap scene, ke domain DWT level 2 dengan mengambil subband hasil dari transformasi frame-frame tersebut [12]. Analisis sinyal dilakukan terhadap hasil filterisasi highpass filter (HPF) dan lowpass filter (LPF). HPF digunakan untuk menganalisis frekuensi tinggi dan LPF digunakan untuk menganalisis
N
E=
p ( ai ) log
2
p ( ai )
(1)
i 1
dimana : N : Jumlah Simbol P (ai) : Probabilitas terjadinya simbol ai Mutual
2
informasi
merupakan
dua
gambar
berisi
KITEKTRO: Jurnal Online Teknik Elektro
e-ISSN: 2252-7036
informasi yang berbeda. Umumnya, dinyatakan sebagai I (X, Y), jika I (X, Y) = 0, itu menandakan bahwa X, Y saling independen, kesamaan antara dua gambar lebih tinggi bila nilai I (X, Y) adalah lebih besar. Pada frame X dan Y, nilai mutual informasi dari distribusi informasi gambar dapat dinyatakan sebagai : I(X,Y) = H (X) + H(Y) − H(X,Y) H ( X , Y ) P ( x, y) log 2 P ( x, y) x
y
f(x,y) : nilai intensitas cahaya dari citra asli, ^
f ( x, y ) : nilai intensitas cahaya dari citra yang salah.
(2)
(3)
dimana : I (X,Y)
H(X) H(Y) H(X,Y)
: Mutual Informasi (jumlah informasi) yang dibutuhkan dalam rata-rata untuk nilai variable X dan Y
Gambar 4. Ilustrasi Packet Lost dari Sebuah Frame F. Lost Data. Kebutuhan tingkat coding yang tinggi di antara frameframe video mengakibatkan rentan terhadap data lost, yang akan berdampak pada kualitas pemutaran streaming video itu sendiri. Data dari frame yang rusak di saat proses pengiriman data pada jaringan seperti pada gambar 4. Disaat terjadi kemacetan pada proses transmit/jaringan, paket yang dikirim akan mengakibatkan kesinambungan frame-frame video hilang dan akan terjadi kesalahan penerjemahan di bagian akhir penerima. Skema pemulihan data lost dapat dicapai dengan Automatic Repeat Request (ARQ)/permintaan otomatis berulang, FEC atau Hybrid FEC/ARQ. Ketika data lost terkirim pada akhir penerima, metode ARQ hanya akan meminta sisi server untuk mengirim ulang paket yang hilang. Meskipun demikian, dengan peningkatan permintaan pengiriman ulang, sangat mungkin terjadi keterlambatan yang mengakibatkan turunnya kualitas layanan (QoS) [2].
: Entropi symbol X : Entropi symbol Y : Joint Entropi
Dari rumus di atas, dapat diartikan bahwa mutual informasi berarti dua frame berisi nilai informasi yang sama antara satu sama lain. Jika nilai mutual informasi dari kedua gambar besar, berarti kedua frame gambar tersebut memiliki tingkat kemiripan nilai informasi hampir sama [9]. E. Peak Signal-To-Noise Ratio (PSNR). Untuk mengevaluasi kualitas citra yang telah terdegradasi, dipergunakan beberapa metrik, salah satunya menggunakan PSNR antara citra yang dikirimkan dan citra yang diterima [7]. PSNR sering dinyatakan dalam skala logaritmik dalam decibel (dB). PSNR yang telah dihitung dari frame yang sedang dipergunakan, yang dikenal sebagai PSNR (t), bisa dihitung dengan:
2552 PSNR (t) = 10 log10 MSE t
III. METODE YANG DIAJUKAN Penelitian ini berupa simulasi, detailnya sebagai berikut:
(4)
dimana : PSNR (t) : PSNR frame yang sekarang (sedang digunakan). MSE (t) : Mean Squared Error/ rata-rata kesalahan luas dari frame yang sedang digunakan; citra yang salah dengan ukuran X x Y.
Video Sample MJP2
MSE dapat dihitung sebagai berikut: MSE =
1 XY
X
Y
^
2
{ f ( x, y ) f ( x, y)}
Mensimulasikan data recovery, Hitung nilai PSNR
(5)
x 1 y 1
Single frameframe/citra JP2
(1).Tranformasi wavelet level 2 citra grayscale JP2, (2). Dekomposisi Subband LL2 dan pengamatan histogram, dan (3). Penentuan nilai entropy dan mutual informasi citra
(1). Menentukan nilai entropi dan mutual informasi, (2). Mengidentifikasi & menentukan frame yang memiliki kesamaan dengan frame data lost
Mensimulasikan Packet Lost
di mana : Gambar 5. Diagram Alir Detail Penelitian
3
KITEKTRO: Jurnal Online Teknik Elektro
e-ISSN: 2252-7036
Perhitungan nilai PSNR frame hasil recover, untuk melihat tingkat keberhasil data recovery.
IV. SIMULASI DAN PEMBAHASAN A. Kondisi Penelitian. Objek penelitian berupa video format MJP2 yang diekstraksi menjadi single frame dengan jumlah 18.420 frame. Berformat JP2 beresolusi 640 X 480 pixel multiwarna (RGB). Proses pengubahan citra gambar multi warna RGB (Red-Green-Blue) menjadi citra keabu-abuan, bertujuan untuk menyedehanakan model citra. Dalam citra hanya ada derajat keabuan. Pengamatan dilakukan untuk melihat perbandingan nilai golongan warna minimum dan maksimum histogram grayscale, dari frame referensi (N), frame sebelumnya (N-1) dan frame setelahnya (N+1) dalam domain wavelet (Gambar 6,7, dan 8). Pengkondisian data lost dengan cara mengalikan subband LL2 dari frame uji dengan matriks nol. Kondisi data lost ini dianggap sebagai koofesien wavelet yang bernilai nol (codeblocknya akan berwarna hitam/ dark black).
Gambar 6. Histogram Subband LL2 Frame ke 11 (Frame N1) dalam domain wavelet
B. Hasil Penelitian 1. Dekomposisi DWT level2 dan Subband LL2. Pada proses ini menghasilkan citra yang terbagi ke subband koefisien aproksimasi hasil dari lowpass filter, dan subband koefisien detil hasil dari highpass filter (Gambar 9) yang menghasilkan dekomposisi LL2 (Gambar 10). Citra input berukuran 640 X 480 pixel. Tranformasi level satu akan menghasilkan subband- subband berukuran 320X420 dan transformasi level dua akan menghasilkan subbandsubband dengan ukuran 160X120 pixel. Frame sample asli hasil dekomposisi wavelet diskrit level 2 dalam kondisi resolusi rendah, yang akan digunakan untuk menghitung nilai entropy dan nilai mutual informasi.
Gambar 7. Histogram Subband LL2 Frame ke 12 (Frame N) dalam domain wavelet
Gambar 9. Dekomposisi DWT level 2
Gambar 8. Histogram Subband LL2 Frame ke 13 (Frame N+1) dalam domain wavelet Gambar 10. Subband Lowpass Filter
4
KITEKTRO: Jurnal Online Teknik Elektro
e-ISSN: 2252-7036
a. Pengujian I Frame N-1, N, N+1 Pengujian dengan cara mengamati histogram dari dekomposisi subband LL2 pada bagian ini menggunakan frame 11 (frame N-1), frame 12 (frame N) dan frame 13 (N+1), maka didapatkan nilai histogramnya seperti tabel 1. Dari tabel tersebut, ketiga frame yang diuji tersebut memiliki kedalaman warna maksimum sebesar 1019.25 , 1018.75 dan 1019.25. Golongan warna maksimum mendekati 1019.00, dengan bit 29.98 210. Berdasarkan data tersebut maka frame N-1, frame N dan N+1 memiliki parameter yang hampir sama.
TABEL 3 KONDISI HISTOGRAM PADA FRAME N-1, FRAME N DAN FRAME N+1 Frame ke 84 85 86
Pengujian ketiga, frame 35 (E = 1.41) memiliki kedekatan entropy dengan frame 34 (E = 1.48 dan MI = 0.69). Berdasarkan parameter di atas, frame 34 sangat mungkin untuk dijadikan frame recover terhadap frame 35 yang mengalami packet lost, karena nilai mutual informasinya yang tinggi dibandingkan frame-frame sebelumnya. Pengujian keempat, frame 45 (E = 1.71) hanya memiliki kedekatan entropy dengan frame 44 (E = 1.70 dan MI = 0.67). Berdasarkan parameter di atas, frame 44 sangat mungkin untuk dijadikan frame recover terhadap frame 45 yang mengalami packet lost, karena nilai mutual informasinya yang tinggi dibandingkan frame-frame sebelumnya. Pengujian kelima, frame 59 (E = 1.55) memiliki kedekatan entropy dengan frame 58 (E = 1.55 dan MI = 0.71). Berdasarkan parameter di atas, frame 58 sanagat mungkin untuk dijadikan frame recover terhadap frame 59 yang mengalami packet lost, karena nilai mutual informasinya yang tinggi dibandingkan frame-frame sebelumnya. Mutual informasi yang didalamnya merupakan total dari nilai entropy dua frame dan nilai entropy yang dipakai bersama; sehingga sangatlah membantu untuk mengidentifikasi frame-frame yang memiliki kesamaan informasi (mutual informasi) yang tinggi, yang nantinya
Bit (max) 29.99 210 29.99 210 29.99 210
TABEL 2 KONDISI HISTOGRAM PADA FRAME N-1, FRAME N DAN FRAME N+1 Frame ke 57 58 59
Golongan Warna (bin) Min Max 35.50 1012.25 46.25 1011.75 27.25 1012.10
Pixel Maximum 65.00 63.00 65.00
29.98 210 29.98 210 29.98 210
Pengujian kedua, frame 25 (E = 0.88) memiliki kedekatan entropy dengan frame 24 (E = 0.86 dan MI = 0.15). Berdasarkan parameter di atas, frame 24 sangat mungkin untuk dijadikan frame recover terhadap frame 25 yang mengalami packet lost, karena nilai mutual informasinya yang tinggi dibandingkan frame-frame sebelumnya.
TABEL 1 KONDISI HISTOGRAM PADA FRAME N-1, FRAME N DAN FRAME N+1 Pixel Maximum 98.00 97.00 116.00
Bit (max)
Pengujian pertama, frame 15 dengan nilai entropy (E = 0.43) memiliki kedekatan entropy dengan : frame 14 (E = 0.38 dan MI = 017); frame 13 (E = 0.44 dan MI = 0.06); dan frame 10 (E = 0.44 dan MI = 0.17). Berdasarkan parameter di atas, frame 14 dan frame 10 sangat mungkin untuk dijadikan frame recover terhadap frame 15 yang mengalami packet lost, karena nilai mutual informasinya yang tinggi dibandingkan frame-frame sebelumnya.
c. Pengujian III Frame N-1, N, N+1 Pengujian dengan cara mengamati histogram dari dekomposisi subband LL2 pada bagian ini menggunakan frame 84 (frame N-1), frame 85 (frame N) dan frame 86 (N+1), maka didapatkan nilai histogramnya seperti tabel 3. Dari tabel tersebut, ketiga frame yang diuji tersebut memiliki kedalaman warna maksimum sebesar 1012.00, 1011.83 dan 1012.35. Golongan warna maksimum mendekati 1012.00, dengan bit 29.98 210. Berdasarkan data tersebut maka frame N-1, frame N dan N+1 memiliki parameter yang hampir sama.
Golongan Warna (bin) Min Max 107.50 1019.25 111.75 1018.75 118.50 1019.25
Pixel Maximum 63.00 63.00 57.00
2. Nilai Entropi dan Mutual Informasi Frame. Berdasarkan Tabel 4, nilai entropy dan mutual informasi pada subband LL2 tiap-tiap frame sebagai berikut:
b. Pengujian II Frame N-1, N, N+1 Pengujian dengan cara mengamati histogram dari dekomposisi subband LL2 pada bagian ini menggunakan frame 57 (frame N-1), frame 58 (frame N) dan frame 59 (N+1), maka didapatkan nilai histogramnya seperti tabel 2. Dari tabel tersebut, ketiga frame yang diuji tersebut memiliki kedalaman warna maksimum sebesar 1012.25, 1011.75 dan 1012.10. Golongan warna maksimum mendekati 1012.00, dengan bit 29.98 210. Berdasarkan data tersebut maka frame N-1, frame N dan N+1 memiliki parameter yang hampir sama.
Frame ke 11 12 13
Golongan Warna (bin) Min Max 0.50 1012.00 5.75 1011.83 4.75 1012.35
Bit (max) 29.98 210 29.98 210 29.98 210
5
KITEKTRO: Jurnal Online Teknik Elektro
e-ISSN: 2252-7036
akan dipakai sebagai frame rekonstruksi untuk frame yang lost packet. TABEL 4 NILAI ENTROPY, MUTUAL INFORMASI DARI MASING- MASING FRAME. Pengu jian
1
2
3
Frame ke
Frame ke
Entopy (LL2)
Mutual Informasi
15 Entropy = 0.43 25 Entropy = 0.88 35 Entropy = 1.41
14 13 10 24 23 22 34 33 32
0.38 0.44 0.44 0.86 0.82 0.84 1.48 1.32 1.32
0.17 0.06 0.17 0.15 0.12 0.11 0.69 0.54 0.45
Pengu jian
4
5
Frame ke
Frame ke
Entopy (LL2)
Mutual Informasi
45 Entropy = 1.71 59 Entropy = 1.55
44 43 42 58 57 56
1.70 1.46 1.42 1.55 1.54 1.57
0.67 0.53 0.51 0.71 0.63 0.55
Dari 100 frame yang diamati terdapat nilai entropy memiliki selisih yang jauh dan nilai mutual informasi yang kecil dibandingkan dengan frame-frame berdekatan, hal ini dikarenakan berada pada posisi scenes change (tidak berada dalam satu scenes/adegan), penyebabnya karena pemotongan adegan yang tiba-tiba dari urutan frame video asli. Total plot mutual informasi dalam 100 frame seperti pada Gambar 11.
Gambar 11. Grafik Total Plot Mutual Informasi
6
KITEKTRO: Jurnal Online Teknik Elektro
e-ISSN: 2252-7036
3. Simulasi Data Recovery dari Frame Packet Lost Pengiriman paket data dalam kanal komunikasi pada realtime protocol (RTP), dilakukan pengiriman codeblock per codeblock. Dimana masing-masing codeblock diberikan informasi urutan pengiriman. Codeblock yang pertama dikirim diberikan informasi urutan 1, codeblock kedua dikirim diberikan informasi urutan 2, codeblock ketiga dikirim diberikan informasi urutan 3, codeblock keempat dikirim diberikan informasi urutan 4 dan seterusnya. Penerimaan codeblock juga berdasarkan urutan pengiriman, dari urutan satu hingga empat, bila urutan 3 tidak diterima, maka terjadi packet lost pada codeblock 3.
Gambar 13. Packet Lost Subband LL.
Disaat sistem mendeteksi packet lost pada codeblock 3, maka sistem akan menghitung mutual informasi yang berbasis entropy dalam domain wavelet dari frame-frame terdekat yang terlebih dahulu diterima, nilai mutual informasi yang tertinggi dipakai sebagai referensi untuk menggunakan codeblock frame tersebut (frame donor) guna merecover codeblock 3 yang hilang. Codeblock dari frame donor ditranformasi maju (inverse) dari domain wavelet ke domain sparsial. Sebagai contoh subband LH3 yang mengalami packet lost, seperti pada Gambar 12. Sebuah frame yang mengalami packet lost pada subband LL maka citranya sulit untuk direcover kembali, hal ini disebabkan oleh LL merupakan setengah dari resolusi citra asli. Jikalau Packet lost terjadi pada subband LL, maka subband LH dan HL dapat dijadikan referensi untuk menghitung entropy dan mutual informasi. Packet lost subband LL seperti Gambar 13. Frame yang mengalami packet lost pada subband HL maka citranya akan terganggu secara horizontal seperti Gambar 14. Frame yang mengalami packet lost pada subband LH maka citranya akan terganggu secara vertikal seperti Gambar 15. Frame yang mengalami packet lost pada subband HH maka citranya akan terganggu pada diagonal detail seperti Gambar 16.
Gambar 14. Packet Lost Subband HL.
Gambar 15. Packet Lost Subband LH.
Gambar 16. Packet Lost Subband HH.
Gambar 12. Codeblock Packet Lost Subband LH3.
7
KITEKTRO: Jurnal Online Teknik Elektro
e-ISSN: 2252-7036
Pe ngu jian
4
5
Hasil recover packet data sebuah frame yang mengalami packet lost seperti Gambar 17. Sebuah frame yang dominan mengalami packet lost, maka solusi recoverinya dilakukan dengan cara merecover satu frame penuh dari frame yang berdekatan. Setelah proses recovery, maka akan dihitung nilai PSNR dengan membandingkan frame asli dengan frame recover, nilai-nilai PSNR seperti Tabel 5.
1
2
3
Fra me ke
Entro py (LL2)
Join Entro py (LL2)
Mutu al Infor masi
PSNR Frame Recover/Donor (dB) Sub band LH3
Sub band HL3
Sub band HH3
15
14
0.38
0.64
0.17
34.23
35.73
38.80
Entro py =
13
0.44
0.81
0.06
33.62
34.99
38.30
0.43
12
0.49
0.85
0.06
33.62
34.76
38.30
25
24
0.86
1.59
0.15
37.07
32.99
36.36
Entro py =
23
0.82
1.58
0.12
31.10
32.75
36.22
0.88
22
0.84
1.61
0.11
32.06
32.48
36.34
35
34
1.48
2.20
0.69
34.45
38.68
39.01
Entro py =
33
1.32
2.18
0.54
33.74
36.33
37.98
1.41
32
1.32
2.28
0.45
32.70
35.36
37.53
C. Lung Chang,”XOR-Based Frame Loss Recovery Scheme for Video Streaming”, Elsevier Jurnal, 2010.
[3]
D. F. Alfatwa, ”Watermarking Pada Citra Digital Menggunakan Discrete Wavelet Transform”. Teknik Informatika, Institut Teknologi Bandung, 2007
[4]
D. Marpe, V. George, Hans L. Cycon, and Kai U Barthel, “Performance Evaluation of Motion-JPEG2000 in Comparison with H.264/AVC Operated in Pure Intra Coding Mode”, Fraunhofer Institute for Telecommunications, Heinrich-Hertz-
PSNR Frame Recover/Donor (dB) Sub band LH3
Sub band HL3
Sub band HH3
45
44
1.70
2.74
0.67
33.21
33.71
35.71
Entro py =
43
1.46
2.63
0.53
33.52
34.08
36.02
1.71
42
1.42
2.62
0.51
32.90
33.49
35.54
59
58
1.55
2.39
0.71
35.69
36.62
38.82
Entro py =
57
1.54
2.46
0.63
34.28
34.72
36.98
1.55
56
1.57
2.56
0.55
34.13
35.89
37.84
2. Semakin dekat nilai entropy dan tingginya nilai mutual informasi antara frame donor dengan frame yang mengalami packet lost, maka kemiripan frame rekonstruksi dengan frame asli akan semakin tinggi.
3. Nilai entropy dan nilai mutual informasi akan sangat menentukan tingkat keberhasilan recoveri data sebuah frame yang mengalami packet lost dengan mengacu kepada nilai PSNR sebagai parameter keberhasilan.
Institute (HHI) Fachhochschule f¨ur Technik und Wirtschaft (FHTW), University of Applied Sciences, 2004.
A. Tabesh, A. Bilgin, K. Krishnan, and M.W. Marcellin, “JPEG 2000 and Motion JPEG 2000 Content Analysis Using Codestream Length Information”, Department of Electrical and Computer Engineering The University of Arizona, Tucson AZ 85721-0104, 2005.
[2]
Mutu al Infor masi
1. Frame terdekat memiliki kecenderungan yang tinggi sebagai frame donor disaat proses rekonstruksi frame yang mengalami lost packet.
REFERENSI [1]
Join Entro py (LL2)
V. KESIMPULAN Dari hasil simulasi data recovery pada video motion JPEG2000 berbasis informasi dari frame yang berdekatan, maka didapatkan beberapa kesimpulan sebagai berikut:
TABEL 5 NILAI ENTROPY, MUTUAL INFORMASI DAN PSNR MASING- MASING FRAME Frame ke
Entro py (LL2)
Berdasarkan Tabel 5, nilai entropy dan mutual informasi sebuah frame sangat menentukan tingkat keberhasilan dari hasil rekonstruksi, hal ini dikarenakan semakin tinggi nilai entropy dan mutual informasi, maka kemiripan frame dan nilai PSNR semakin tinggi juga. Tingginya Nilai PSNR dikarenakan semakin kecil nilai rata-rata tingkat kesalahan/error (MSE). Nilai PSNR akan tinggi bila nilai MSE mendekati nol (MSE>0).
Gambar 17. Hasil Frame Recovered.
Pe ngu jian
Frame ke
Fra me ke
[5]
E. Qawasmeh, Eyas, “Scene change Detection Schemes for Video Indexing in Uncompressed Domain”. Institute of Mathematics and Informatics, Vilnius. Vol. 14, No. 1, 2003.
[6]
K. Egiazarian, J. Astola, and N. Ponomarenko,”A New Full Reference Quality Matrics Based on HVS”, Tampere University of Technology, Tampere, Finland, 2006. K. Nishikawa, K. Munadi, and H. Kiya, “No-Reference PSNR Estimation for Quality Monitoring of Motion JPEG 2000 Video Over Lossy Packet Network”, IEEE 2008.
[7]
[8]
8
L. Krulikovska, M. Mardiak, J. Pavlovic, and J. Polec, “Video Analysis Based on Mutual Information”. Volume 6375 of the series Lecture Notes in Computer Science, chapter of Computer Vision and Graphics, pp 73-80, Springer, 2010.
KITEKTRO: Jurnal Online Teknik Elektro [9]
L. Sun, Y. Zhou,”A Key Frame Extraction Method Based on Mutual information and Image Entropy” College of Computer Science and Technology Beijing University of Technology Beijing, China, 2011.
[10]
P. Longa,”An Optimized Architecture For 2D Discrete Wavelet Transform On FPGAs Using Distributed Arithmetic”School of Information Technology and Engineering. Faculty of Engineering. University of Ottawa, 2006.
[11]
P. Sing Tsai and Meng-Hung Wu , “Entropy-Based 2D Image Dissimilarity Measure” Department of Compter Science The University of Texas Pan American Edinburg, U.S.A, 2005.
e-ISSN: 2252-7036
9
[12]
S. Munanzir, “Aplikasi Entropy untuk Deteksi Scene Change Video pada Motion JPEG 2000”, Skripsi Tugas Akhir Program Sarjana S1, 2014.
[13]
Z. Cernekova, I. Pitas, and C. Nikou, “Information Theory-Based Shot Cut/Fade Detection and Video Summarization”. Dept. of Informatics, Aristotle Univ. of Thessaloniki, Greece . IEEE Transactions on Circuit and Systems for Video Technology. vol. 16. pp. 82–91, 2006.