Image Watermarking Berbasis Penginderaan Kompresif Menggunakan Spektral Tersebar Dan Transformasi Wavelet

Abstract

ABSTRAK Watermarking bertujuan untuk melindungi hak cipta pada suatu karya dari hal-hal yang merugikan seperti pembajakan, penggandaan masal, dan lain-lain. CS (Compressive Sensing) bertentangan dengan kebijakan umum dalam akuisisi data yang digunakan untuk sampling berdasarkan teori Shannon pada metode tradisional. Dengan menggunakan teknik CS, sinyal dapat direkonstruksi dengan menggunakan sample yang jauh lebih sedikit dibandingkan pada metode tradisional. SS (Spread Spectrum) mengklaim dapat tahan terhadap beberapa serangan karena adanya penyebaran pada bit watermark yang memungkinkan bit asli pada citra watermark tidak terkena serangan. Proses embedding dan extraction pada penelitian ini dilakukan pendekatan DWT (Discrete Wavelet Transform) dan SS (Spread Spectrum). CS digunakan untuk menghilangkan ketidakefisienan saat pengumpulan data dengan mereduksi dimensi citra watermark. Sparsity pada citra watermark menggunakan metode DCT yang kemudian dilakukan pengukuran berdasarkan distribusi Gaussian. Selanjutnya watermark diletakkan pada koefisien citra host yang didapatkan dari hasil transformasi DWT dengan metode SS. Berdasarkan hasil pengukuran, citra watermark direkonstruksi dengan menggunakan BP yang tersedia dalam paket ð‘™1−ð‘šð‘Žð‘”ð‘–ð‘. Hasil penelitian dari tugas akhir ini berupa aplikasi watermarking pada MATLAB. CS berbasis DWT menggunakan SS dapat meningkatkan robustness dilihat dari nilai BER 0% dengan menggunakan CS, dan BER 19,63% tanpa menggunakan CS, dengan nilai PSNR yang relatif sama karena bit watermark disisipkan berulang-ulang ke dalam citra host. Dalam ruang warna RGB dihasilkan PSNR yang lebih baik dibandingkan YCbCr, namun YCbCr lebih tahan terhadap serangan. Kata kunci : Image Watermarking, Compressive Sensing, Basis Pursuit, Discrete Consine Transform, Discrete Wavelet Transform, Spread Spectrum. ABSTRACT The purpose of watermarking method is to protect copyright from harmful things such as piracy, duplication, and others. CS (Compressive Sensing) replaces the general policy in data used for sampling based on Shannon’s theory of traditional mehods. Using CS techniques, signals can be reconstructed using fewer samples than traditional methods. SS (Spread Spectrum) claims that can robust some attacks because it has spread on the watermark bit that make the original bits on the watermark image not to be attacked. The process of embedding and extraction in this research was carried out on DWT (Discrete Wavelet Transform) and SS (Spread Spectrum). CS is used to eliminate inefficiencies when retrieving data by reducing the dimensions of a watermark image. DCT method is used for sparsity transform and then measured based on the Gaussian distribution. Then the watermark is placed on the host coefficient obtained from the DWT transformation results with the SS method. Based on the measurement results, the watermark image is reconstructed using BP in ð‘™1−ð‘šð‘Žð‘”ð‘–ð‘ package. The results of this final project are watermark application in MATLAB. DWT-based CS using SS can increase robustness seen from the value of BER 0% using CS, and BER 19.63% without CS, with the PSNR value relatively the same because the watermark bit inserted repeatedly into the host image. In RGB color space has better PSNR value than YCbCr, but YCbCr is more robust to attacks. Keywords : Image Watermarking, Compressive Sensing, Basis Pursuit, Discrete Consine Transform, Discrete Wavelet Transform, Spread Spectrum