Analisis Performansi Image Registration Pair Mode Berbasis Sparse Representation

Abstract

Abstrak Pengukuran kesamaan atau similarity measure adalah hal penting dalam image registration. Dalam penelitian kali ini penulis mengukur kesamaan dari dua buah gambar yang salah satunya sudah diregistrasikan dimana gambar pertama menjadi groundtruth. Pengukuran kesamaan telah banyak diteliti sebelumnya dengan banyak metode dengan hasil yang baik, tetapi masih ditemukan beberapa celah dimana pengukuran kesamaan tidak bisa diterapkan di semua kondisi. Sparse Representation (SR) adalah salah satu metode dalam pengukuran kesamaan di image registration dimana metode ini menghitung melalui indeks sparsness dari gambar. Keunggulan dari metode SR ini adalah akurasi dari kemiripan/kesamaan dari gambar masukan yang bisa terhitung dengan baik. Metode SR ini juga cukup kuat dalam menangani gambar dalam intensitas distorsi yang besar, yang banyak terdapat dalam gambar medis, gambar jarak yang jauh yang disebabkan perbedaan modalitas akuisisi dan kondisi iluminasi. Hasil yang didapatkan dalam penelitian ini antara lain nilai Root Mean Square Error (RMSE) dengan nilai terbaik sebesar 39,5825, nilai Peak-Signal to NoiseRatio (PSNR) dengan nilai terbaik 16,18 dB, nilai Structural Similarity Index (SSIM) dengan nilai terbaik 0,8318, nilai Correlation Coefficient (CC) dengan nilai terbaik 0,732, dan nilai Coherence dengan nilai terbaik 0,268. Kata Kunci: image registration, sparse representation, gambar panchromatic, gambar multispectral, pengukuran kesamaan. Abstract Similarity measure is an important thing in image registration. In this study the authors measures the similarity of the two images, one of which was registered where the first image became the groundtruth. Similarity measure have been studied previously with many methods with good results, but there are still some gaps where similarity measurements cannot be applied in all conditions. Sparse Representation (SR) is one method in measuring similarity in image registration where this method counts the sparseness’ index of images. The advantage of this SR method is the accuracy of the similarities of the input images that can be counted well. The SR method is also strong enough to handle images in a large intensity of distortion, which is often found in medical images, long distance imagescaused by differences in acquisition modalities and illumination conditions. The results obtained in this study include the value of Root Mean Square Error (RMSE) with the best value is 39,5825 the value of Peak Signal to NoiseRatio (PSNR) with the best value is 16,16 dB, the value of the Structural Similarity Index (SSIM) is 0,8313, the value of Correlation Coefficient (CC) with the best value is 0,732, and the value of Coherence with the best value is 0,268. Keywords : image registration, sparse representation, panchromatic image, multispectral image, similarity measure