Pengindraan Kompresif Berbasis Sparsity Averaging Reweighted Analysis Untuk Kompresif Citra Iris

Abstract

Compressed sensing (CS) merupakan teknik pemrosesan sinyal dengan cara mengambil sampel sinyal pada gelombang sinyal yang utuh, sehingga memungkinkan informasi yang dikirimkan secara efisien dan tidak kehilangan informasi penting. Salah satu metode CS adalah sparsity averaging reweighted analysis (SARA) yang diusulkan untuk meningkatkan kinerja dari metode basis pursuit denoise (BPDN). Pada penelitian sebelumnya SARA diusulkan untuk data citra radio-intrferometric dan citra natural. Analisis algoritma SARA dalam citra medis masih sedikit dan kurang optimal pada penelitian-penelitian sebelumnya. Untuk mengisi celah ini, data medis berupa citra medis digunakan untuk menyelidiki kinerja SARA. Jurnal ini bertujuan untuk menganalisis algoritma SARA pada data citra Iris mata. Analisa yang dilakukan terhadap SARA, yaitu dengan melihat performansi SNR dan SSIM dengan basis level dari jenis wavelet yang berbeda, seperti daubechies, symlet, dan Biorthogonal. kemudian membandingkan nilai performansi reweighted dengan metode reweighted lainnya seperti Haar dan curvelet. Pada tugas akhir ini didapat Hasil bahwa Jenis wavelet Daubechies memiliki performa yang lebih baik dibandinkan Symlet dan Biorthogonal ketika SARA atau BPSA menggunakan parameter terbaik basis q = 8, level L = 4, ukuran citra 64 x 64 dan MR = 0.1. kemudian, Hasil SNR dan SSIM menunjukkan parameter terbaik adalah q = 8 dan L = 4. Waktu komputasi linier terhadap jumlah basis dan level dekomposisi, dimana waktu semakin lama untuk nilai q dan L yang semakin besar. Algoritma SARA mengungguli algoritma RW-Haar sebesar 11,26 dB dan RW-Curvelet sebesar 13,21 dB pada MR = 0,1.Dan Waktu proses rata-rata pada parameter terbaik adalah 20 detik. Keywords: Compressed sensing, sparsity averaging, reweighted analysis, medical data compression, spread spectrum, wavelet.