REKONSTRUKSI CITRA PLAT NOMOR KENDARAAN MENGGUNAKAN METODE SUPER RESOLUTION MULTI FRAME Aulia Mahardika1, Alexander Agung1, Michael Yoseph1 1
Binus University, Jl K. H. Syahdan No. 9 Kemanggisan/Palmerah Jakarta Barat, 081296006017,
[email protected]
ABSTRAK Citra merupakan salah satu komponen multimedia yang memiliki peranan penting dalam kemajuan teknologi saat ini khususnya pada bidang forensic. Namun tidak semua citra dapat memberikan informasi dengan baik, contohnya pada citra resolusi rendah. Proses rekonstruksi Super Resolution ialah mengolah sebuah citra dari sejumlah rangkaian citra resolusi rendah menjadi satu citra resolusi tinggi. Beberapa tahun ini sejumlah peneliti banyak meneliti mengenai salah satu varian pengolahan citra menggunakan metode Super Resolution Multi Frame. Penelitian ini akan merepresentasikan hasil citra plat nomor kendaraan resolusi tinggi dari tahapan-tahapan rangkaian citra resolusi rendah menggunakan bilateral total variation regularization sebagai acuan proses restorasi citra di mana hasil akhir mencapai 30,71dB. Kata kunci: Super Resolution, Plat nomor, Multi Frame, Regularization, Rekonstruksi citra ABSTRACT Imagery is one of the multimedia components that have an important role in the advancement of technology today, especially in the forensic field. But not all images can provide information well, for example in the low resolution image. Super Resolution reconstruction process is to cultivate an image of a series of low-resolution images into a single high resolution image. Recent years a number of researchers examined about one of the many variants of image processing using Multi Frame Super Resolution methods. This study will represent the results of license plate image of a high resolution of the stages a series of lowresolution images using bilateral total variation regularization as a reference image restoration process where the end result reached 30,71dB. Keyword: Super Resolution, Plate number, Multi Frame, Regularization, Image Reconstruction
PENDAHULUAN Citra merupakan salah satu komponen dari multimedia yang memegang peranan penting dalam perkembangan teknologi informasi terkini (Mustaqim, A. N., et al, 2011:137).. Citra memiliki lebih kaya akan informasi sehingga dapat mempermudah dalam hal penyampaian pesan terutama sebagai bukti autentik dalam penegakkan hukum. Akan tetapi tidak semua citra memiliki kualitas yang bagus untuk bisa diterima sehingga tidak dapat menampilkan informasi yang jelas. Contohnya pada citra resolusi rendah yang memerlukan perbaikan secara signifikan agar menghasilkan citra beresolusi tinggi.
1
Citra resolusi tinggi banyak dibutuhkan di berbagai bidang seperti bidang medis, deteksi target, identifikasi plat nomor kendaraan dan bidang yang lainnya (Farsiu, S. Robinson, M. D. 2004:1327). Pada bidang identifikasi plat nomor kendaraan, citra resolusi tinggi mampu memudahkan proses pengenalan citra di dalam tahapannya. Di mana, proses penyimpanan data citra memerlukan teknik rekonstruksi dan restorasi citra untuk memperkuat hasil citra yang diperoleh agar dapat dibaca. Salah satu cara dalam mengatasi kurangnya ketersediaan citra resolusi tinggi adalah melalui pengembangan penggunaan metode Super Resolution. Algoritma Super Resolution pada umumnya mampu mengatasi masalah tersebut dengan pendekatan dua langkah–estimasi gerakan antara citracitra yang berbeda dan proyeksi dari nilai-nilai piksel resolusi rendah ke grid resolusi tinggi (Karina, 2009:16). Teknik rekonstruksi Super Resolution secara fundamental mampu membentuk satu keluaran citra beresolusi tinggi berdasarkan serangkaian citra beresolusi rendah dengan waktu yang berbeda pada pengambilan setiap rangkaian resolusi rendah (Qiang, H., Richard, R., S. 2010:22 ). Secara umum rekonstruksi Super Resolution dapat dikategorikan dalam 2 kelas yaitu: algoritma domain frekuensi dan algoritma domain spasial (Zhigang, X., et al. 2012:945). Dalam domain spasial, penulis mencoba melakukan implementasi menggunakan algoritma metode iteratasi Steepest Descent. Melalui penelitian ini penulis akan membahas tentang penggunaan teknik rekonstruksi citra plat nomor kendaraan dengan menggunakan bilateral total variation regularization serta perbandingan akan hasil citra setelah Perumusan masalah yang akan didiskusi pada penelitian ini ada sebagai berikut: 1. Bagaimana mengimplementasikan metode Super Resolution untuk rekonstruksi citra plat nomor kendaraan? 2. Bagaimana program mendapatkan citra hasil rekonstruksi dengan menggunakan metode Super Resolution dengan teknik filterasi bilateral? 3. Bagaimana hasil citra bila dibandingkan dengan sejumlah rangkaian citra model observasi yang digunakan? Inti dari ruang lingkup yang akan dibahas dalam penelitian ini yaitu: 1. Rekonstruksi citra bersifat statis. Artinya output dari rekonstruksi ini berupa citra tunggal beresolusi tinggi yang berasal dari input berupa rangkaian citra beresolusi rendah. 2. Parameter yang digunakan untuk mengukur hasil rekonstruksi citra adalah metode Peak Signal Noise to Ratio (PSNR). Tujuan yang ingin dicapai dari lingkup penelitian ini adalah: 1. Mengembangkan aplikasi untuk merekonstruksi citra plat nomor kendaraan dengan metode superresolution. 2. Menguji kualitas hasil rekonstruksi metode Super Resolution secara objektif dan subjektif.
METODOLOGI PENELITIAN 2.1 Citra Digital Citra digital adalah citra kontinu yang diubah dalam bentuk diskrit, baik koordinat ruang maupun intesitas cahayanya. Citra digital dapat dinyatakan dalam bentuk matriks dua dimensi di mana ‘x’ dan ‘y’ merupakan koordinat piksel dalam matriks dan ‘f’ merupakan derajat intensitas piksel tersebut. Citra digital berbentuk matriks dengan ukuran M x N akan tersusun adalah sebagai berikut.
Gambar 2.6 Ilustrasi komponen matriks.
Fungsi citra
Di mana :
dalam mate matis dapat dituliskan sebagai berikut:
M = Jumlah baris pada fungsi citra N = Jumlah kolom pada fungsi citra P = Banyaknya skala keabuan (grey level)
2
Interval (0,P) disebut skala keabuan. Besar G tergantung pada proses digitalisasinya. Untuk citra 8 bit, nilai G sama dengan 28 = 256 warna (derajat keabuan). Untuk citra bewarna digunakan model RGB (Red-Green-Blue) di mana satu citra berwarna dinyatakan sebagai 3 buah matriks Grayscale yang berupa matriks untuk Red (R-layer), matriks untuk Green (G-layer) dan matriks untuk Blue (Blayer).
2.2 Super-Resolution Super Resolution atau resolusi berskala super merupakan sebuah metode pengolahan citra dari skala resolusi rendah yang akan direkonstruksi melalui beberapa tahapan algoritma hingga didapatkan citra beresolusi tinggi (Milanfar, P., 2011:11). Metode ini tidak hanya memanfaatkan rekonstruksi tetapi juga proses restorasi citra. Pada proses rekonstruksi, citra dihasilkan dari beberapa sampel. Sedangkan pada proses restorasi, harus memiliki model degrasi lalu membalikkan efek degrasinya pada citra sampelnya (Ardiansyah, L. et all. 2011:2).
Gambar 2.1 Tahapan proses metode Super Resolution. Analisa rekonstruksi citra untuk observasi dalam rangkaian citra resolusi rendah dapat diformulasikan berdasarkan satu citra resolusi rendah. Dalam matematisnya dapat dijabarkan pada persamaan (1). (1) Di mana:
= Vektor representasi dari rangkaian citra resolusi rendah. = Representasi dari citra resolusi tinggi. = Representasi efek external blur (motion blur). = adaptive Noise menggunakan Gaussian noise.
Di mana merupakan operator konvolusi dua dimensi yang mempresentasikan proses blurring, ialah operator desimasi. Teknik Super Resolution ini menggabungkan informasi baru dari masingmasing citra resolusi rendah baik itu spasial maupun frekuensinya sehingga kualitas citra menjadi lebih baik. Informasi yang terkandung citra-citra resolusi rendah harus saling melengkapi (komplementer) satu sama lain.
2.3 Registrasi Citra Registrasi citra merupakan suatu proses menemukan kembali titik-titik yang bersesuaian antara citra I1 dengan citra I2, di mana citra I2 adalah citra I1 yang mengalami transformasi geometri antara lain: pergeseran (translasi), rotasi, perbesaran (scaling), pembalikan (flipping), dan penarikan (stretching). Pada domain spasial, registrasi citra dilakukan dengan cara mencari nilai, rata-rata, median atau ukuran statistika pada setiap nilai derajat keabuan (grayscale) atau RGB citra (Wijaya, Arya yudhi et all. 2010:2).
3
Gambar 2.2 Skema proses pembuatan citra observasi.
2.4 Rekonstruksi Citra Rekonstruksi citra pada Super Resolution menyatakan proses pembangunan ulang atau penyusunan ulang dari rangkaian citra resolusi rendah sebagai input untuk mendapatkan output berupa citra resolusi tinggi. Pada saat rekonstruksi, nilai pergerakan dari proses registrasi citra berdasarkan proyeksi menuju grid resolusi tinggi.
Gambar 2.3 Skema keseluruhan proses pada sistem aplikasi.
4
2.5 Filtrasi Citra Filterisasi citra merupakan operasi dasar dalam pengolahan citra digital. Operasi ini dapat digunakan untuk perbaikan citra, meminimalkan derau, pendeteksian tepi citra dan penajaman citra. Pada domain spasial, filterisasi merupakan operasi ketetanggaan dari sebuah piksel citra. Umumnya yang kita ketahui dalam penggunaan teknik spasial filterasi dibedakan menjadi tiga yakni, median filtering, average filtering, Gaussian filtering. (Zhou, H., Wu, J. 2010:27)
2.6 Bilateral Filtrasi Gagasan utama filterasi bilateral pertama kali dikemukakan oleh C. Tomasi dan R. Manduchi, di mana penggunaanya sebagai one-pass filterasi untuk mereduksi derau (noise) sekaligus mampu mempertajam hasil pengolahan citra. Adapun formulasi ditunjukkan pada persamaan dibawah ini.
Di mana :
dan = Gaussian functions. = fungsi dengan koordinat piksel x. = fungsi dengan koordinat piksel y.
2.7 Penilaian Kualitas Citra dengan PSNR Untuk mengetahui bagaimana tingkat kualitas hasil citra yang telah direkonstruksi ialah menggunakan metode PSNR. Adapun formulasi untuk menentukan rata-rata kuadrat nilai kesalahan antara citra asli dengan citra hasil pengolahan yang ditunjukkan pada persamaan berikut.
Keterangan :
W = lebar citra H = Tinggi citra I(x,y) = Piksel citra original I’(x,y) = Piksel citra hasil pemrosesan
PSNR adalah nilai perbandingan antara nilai maksimum warna pada citra hasil filterisasi dengan kuantitas gangguan derau (noise), yang dinyatakan dalam satuan decibel (dB). Nilai PSNR dirumuskan sebagai berikut:
HASIL DAN BAHASAN 3.1 Hasil Evaluasi Pengujian Dengan PSNR Dalam evaluasi pengujian ini, akan digunakan beberapa sampel citra plat nomor yang sudah didapat dengan menggunakan kamera 12 megapixel. Masing-masing dari citra tersebut memiliki karakteristik dan keadaan kondisi cuaca serta situasi yang berbeda-beda. Berikut hasil penyajian uji evaluasi dengan PSNR. Tabel 3.1 Tabel hasil pengujian dengan PSNR Citra Plat nomor Resolusi Rendah
Citra Plat Nomor Hasil rekonstruksi
5
PSNR
31,2 dB
3.2 Hasil Evaluasi Pengujian Secara Subjektif Evaluasi secara subjektif dilakukan untuk dapat mengetahui hasil peningkatan kualitas citra beresolusi tinggi terhadap opini pengguna berdasarkan hasil pengujian metode Super-resolusi. Berikut ini hasil pengujian tingkat hasil rekonstruksi citra resolusi tinggi. Tabel 3.2 Tabel Responsi Objek I Pilihan
Frekuensi
Persentase
Baik
3
60%
Cukup Baik
2
40%
Kurang
0
0.0%
Total
5
100.0%
3.3 Hasil Pembahasan Dari hasil uji coba yang telah dilakukan berdasarkan tabel 4.3, maka bisa didapat keberagaman hasil rekonstruksi citra resolusi tinggi. Adapun hasil estimasi waktu proses dari jumlah rangkaian citra resolusi rendah yang telah direkonstruksi. Table 3.3 Data Nilai Estimasi Waktu Proses Citra Nomor Plat
Jumlah Citra LR
Time Estimation Process
nomor
Observasi
B 7704 VI
15
2969.81 ms
B 1076 AI
15
2970.08 ms
B 1873 TOJ
15
2970.19 ms
B 1281 KAB
15
2970.17 ms
B 365 KFM
15
2969.81 ms
B 323 F
15
2970.08 ms
Total
2970.0234 ms
Ditunjukkan bahwa estimasi proses dari keenam objek citra memiliki keberagaman waktu. Sedangkan untuk kasus jumlah citra observasi resolusi rendah, penulis menyamakan rangkaian citra yang digunakan sebagai input yaitu 15 citra resolusi rendah.
SIMPULAN DAN SARAN Berdasarkan hasil penelitian yang dilakukan maka dapat disimpulkan dalam perancangan aplikasi yang dilakukan oleh penulis yakni sebagai berikut:
6
1. 2. 3.
Metode Super-Resolution dapat diimplementasikan pada kasus nyata dalam lingkup masalah pengambilan citra jarak jauh. Proses rekonstruksi yang dilalui mampu menghasilkan citra yang cukup baik apabila objek plat nomor kendaraan yang akan diambil dalam keadaan berhenti. Berdasarkan uji objektif hasil citra dapat merepresentasi dengan baik.
Adapun saran yang diajukan oleh penulis untuk pengembangan penelitian ini selanjutnya ialah sebagai berikut: 1. Pengembangan metode Super-resolution dapat melalui 2 cara lain yaitu Example-Based SuperResolution dan Single Image Super-resolution. 2. Pengambilan objek citra disarankan tidak terpengaruh akan situasi serta keadaan cuaca. Pengembangan lebih lanjut secara keseluruhan sangat diperlukan sehingga dapat dibangun suatu implementasi pada bidang embedded system menggunakan metode Super Resolution.
REFERENSI Ardiansyah, L. (2010). Rekonstruksi Citra Super-Resolusi Menggunakan Kerangka Kerja Soft-Map. Institut Teknologi Sepuluh Nopember. Arymurthy, A. M., Setiawan, S., (1992). Pengantar Pengolahan Citra Digital. Jurnal Rekayasa Elektrika. Briyandi, A., 2011. Rekonstruksi Citra Pada Super Resolusi Menggunakan Projection Onto Convex Set. ITS 2011 D'Aprice, P. Iviani, L. (2007). A Simple Super-Resolution Algorithm. Farsiu, S., Robinson, M. D. Elad, M Milanfar, P. (2004). Fast and Robust Multiframe Super Resolution. IEEE Trans Image Process. Fairhurst, M. C., (1993). Image Processing and it's Applications. Institution of Electrical Engineers. Foley, J. D., Van, D. A., Feiner, K. F. (1995). Computer Graphics: Principles and Practice in C (2nd edition). Freeman, W. T., Jones, T. R. , Pastor, E. C., Example Based Super Resolution. IEEE Computer Graphics and Applications, 22(2):56-55, 2002. Forsyth, D. A., Ponce, J. (2012). Computer Vision: A Modern Approach (2nd Edition). Prentice Hall. Jans, H. (2009). Menghaluskan Citra dengan Filter Spasial Non-Linear. Kadir, A. (2013). Teori dan Aplikasi Pengolahan Citra. Penerbit Andi. Karina. (2009). Super Resolusi menggunakan Algoritma Papoulis-Grechberg. Institut Teknologi Sepuluh Nopember. Katsaggelos, A. K. Molina, R. (2007). Super-Resolution of Images and Video. Milanfar, P. (2011). Super-Resolution Imaging. CRC Press Book. Mustaqim, A. N. Aisya, S. Arnia, F. (2011).Peningkatan Kualitas Citra Digital Menggunakan Metode Super Resolusi Pada Domain Spasial. Jurnal Rekayasa Elektrika. Pressman, R. S. (2010). Software Engineering : A Practitioner's Approach. New York: McGraw Hill. Rinaldi, M., 2004. Pengolahan Citra Digital dengan pendekatan algoritmik. Informatika Bandung. Tomasi, C., Manduchi, R., 2008. Bilateral Filtering for Gray and Color Images", Proceedings of the 1998 IEEE International Conference on Computer Vision, Bombay, India Wijaya, A. Y. (2011). Registrasi Citra NON-iteratif dengan Pseudo Polar Fourier Transform. ITS 2010 Wolfram, inc. 2002. Digital Image Processing: Image Processing and Analysis with the Power of Mathematica. Qiang, H., Richard, R. 2010. Super-Resolution Reconstruction by Image Fusion and Application to Surveillance Videos Captured by Small Unmanned Aircraft Systems. Sciyo 2010. Zhigang, X., et al. 2012. Multi-Frame Image Super-Resolution by Total-variation Regularization. Journal of Information & Computational Science 9:4. 2012. Zhou, H., Wu, J. 2010. Digital Image Processing Part:I. Ventus Publish.
7
