RSS

IMAGE FUSION FOR HIGH-RESOLUTION DATA IN MATLAB

27 Mar

Image fusion  merupakan sebuah proses yang mengendalikan dan memantau gambar pada daerah-daerah yang sama oleh banyak sensor, mencari informasi yang berguna dari setiap kanal, kemudian mensintesis informasi tersebut ke gambar baru yang akan diproses lebih dalam. Gambar yang terlebur tersebut diuntungkan untuk memperbaiki kemampuan analisis informasi dari suatu gambar, memperbaiki ketahanan informasi dari gambar yang telah dipisahkan dan secara efektif akan meningkatkan penggunaan data, dimana data tersebut merupakan landasan untuk riset yang lebih dalam lagi dari aplikasi pensensoran.

Pada dasarnya proses image fusion dapat dikerjakan di perangkat lunak VC++, namun penggunaan VC++ dirasa masih sulit dan masih belum baik untuk pemogramannya. Hal ini membutuhkan banyak waktu dan energy jika menggunakan VC++. Oleh karena itu, MATLAB dipilih karena sangat efisien untuk proses komputasi program. Banyak peneliti menggunakan MATLAB dan MATLAB mempunyai toolbox dengan fungsi yang luas untuk merealisasikan sebuah algoritma. Beberapa keuntungan MATLAB adalah memiliki komputasi yang baik dan cepat terlebih lagi dalam mengkomputasi sebuah matriks karena sebuah gambar jika dikonversi ke dalam sebuah data akan berbentuk sebuah matriks, selain itu, MATLAB juga telah menyediakan banyak fungsi dan toolbox dalam pengolahan gambar untuk gambar gray dan berwarna, bahakan dapat menampilkan gambar saat proses debug, sehingga proses debug program dapat dilakukan secara cepat, mudah dan efisien.

  1. Metode Image Fusion

Image Fusion adalah sebuah teknik untuk data kompleks dari pensensoran melalui pengolahan gambar atau citra. Tujuan dari teknik ini adalah untuk memperbaiki resolusi yang kosong dan mendefinisikan gambar, meningkatkan kepresisian dari pemtaan dan klasifikasi dari gambar, membangun kemampuan sebagai pemonitoran dan secara efektif membuat data dapat tersensor.

Berdasarkan perbedaan level fusion, metode peleburan gambar dapat dibedakan menjadi tiga jenis, yaitu :

  1. Pixel Level Fusion

Pixel Level Fusion bertujuan untuk menginisialisasi data dan menekan kesatuan informasi pada pixel dengan gambar yang berbeda. Metode ini dapat mengubah karakteristik gambar dan menyediakan informasi karakteristik gambar yang metode lain tidak dapat melakukannya.

Secara umum, algoritma pixel level fusion adalah adalah algoritma transformasi warna dengan kanal warna yang berbeda untuk melengkapi image fusion seperti transformasi HIS (Hue Intensity Saturation), algoritmastatistik dan gambar dengan mengintegrasikan data dari band yang berbeda, misalnya dengan menggunakan PCA (Principal Componen Analysis) untuk data dengan kapasitas besar.

 

  1. Feature Level Fusion

Feature level fusion menggunakan algoritma yang berbeda untuk mengenali gambar atau objek untuk proses poengekstrakan fitur dari seluruh sumber data, seperti klasifikasi dan ektraksi gambar. Metode ini menekankan pada meningkatkan fitur gambar. Jadi, perkiraan karakteristik fitur itu lebih tahan dan lebih baik dengan memotong beberapa data. Namun, bukan hanya karena itu, beberapa infornasi yang hilang akan disediakan melalui detail informasi.

 

  1. Decision Level Fusion

Decision Level Fusion adalah level fusi terbaik untuk identifikasi gambar. Pembentukan gambar secara langsung adalah hasil dari decision level fusion yang bisa menjadi sebuah elemen yang menghubungkan suatu aksi dan menyediakan acuan untuk oembuat keputusan. Biasanya decision level fusion ini dibagi menjadi dua jenis, yaitu identifikasi berdasarkan algoritma MAP (MaXilYIUITI A Posteriori) dan fusi berdarkan wawasan dan pengetahuan.

 

  1. Image Fusion Untuk Data Beresolusi Tinggi dan Data Mulati Spektral Dengan MATLAB

Secara umum, proses image fusion digambarkan pada gambar di bawah ini :

Gambar 1. Diagram Alir Image Fusion

Langkah pertama yang harus dilakukan adalah membuat gambar untuk preprocessing dengan cara menghilangkan noise dan ruang registrasi, kemudian melakukan image fusion menggunakan algoritma ynag diberikan, terakhir mengevaluasi hasil dari percobaan.  Jadi secara umum, langkah proses image fusion ada tiga, yaitu image registration, weight fusion dengan HPF dan menggunakan transformasi HIS. Peregistrasian/inisialisasi ruang gambar dan image fusion merupakan langkah yang paling penting.

  1. Image Registration

Karena yang diperoleh dari pensesoran dalam waktu yang berbeda, maka gambar atau citra akan dileburkan untuk dicocokkan atau dipasangkan pada koordinat yang sama untuk membandingkan dan menghitung setiap pixel antara dua citra. Itulah langkah yang harus dilakukan saat preprocessing.

Fungsi untuk melakukan image registration pada MATLAB toolbox adalah fungsi cp2tform dan imtransform. Jika titik kendali tidak diberikan, maka fungsi cpselect bisa menampilkan penghubung citra, kemudian secara manual memilih overlapping pairs pada dua citra yang akan di-preprocessing. Kemudian, MATLAB akan secara otomatis menganalisis pixel-pixel tersebut dan fungsi cp2tform akan memodifikasi perbedaan geometri dalam bagian yang mengalami overlapping, sedangkan fungsi imtransform akan melengkapi koordinat transformasi.

Contoh, f dan g merupakan dua buah gambar yang akan dilebur. Titik kontrol untuk gambar f berada pada (a1, b1), (a2, b2), dan seterusnya, kemudian didihubungkan dengan titik kontrol gambar g, yaitu (c1, d1), (c2, d2) dan seterusnya. Kemudian perintah akan dibutuhkan untuk mneluruskan gambar g ke gambar f.  Berikut kode untuk image registration :

 

fpoints=[a1 b1; a2 b2; …….];

gpoints=[c1 d1; c2 d2; …….];

tform=cp2tform(gpoints, fpoints, ‘transform-type’);

g-f=imtransform(g, tform, ‘interp’);

 

, dimana jenis transformasinya adalah jenis deformasi atau perubahan dari fungsi cp2tform yang dimodifikasi dengan fungsi string seperti ‘affine’, ‘projective’, ‘box’, ‘composite’ or ‘custom’, namun ketika dilakukan proses resampling string yang digunakan adalah ‘nearest’, ‘bilinear’ dan ‘bicubic’.

 

  1. Weight Fusion Berdasarkan HPF (High Pass Filter)

Meskipun banyak metode fusi, namun tidak ada satu metode yang digunakan untuk menyelesaikan seluruh permasalahan dalam image fusion karena data yang tersensor merupakan data yang kompleks. Metode yang digunakan seharusnya berdasarkan pada tujuan pengaplikasian dan karakteristik informasi.

Metode weight fusion merupakan metode yang berdasarkan pada HPF dan transfomrasi HIS yang diadopsi ke image fusion untuk data multispektraldan data beresolusi tinggi.

 

 

, dimana I1, I2, ….. Ik merupakan weight fusion dan P1, P2, …. Pk merupakan koefisien bobot.

Multispektral merupakan sebuah gambar RGB dengan tiga kanal untuk R, G dan B. Pertama, gambar beresolusi tinggi tersebut diproses mellaui HPF, berisi sebuah gambar F yang merupakan gambar panchromatic, kemudian gambar dileburkan dengan persamaan (2), (3) dan (4).

 

 

  1. Metode Transformasi HIS menggunakan MATLAB

Banyak pendefinisian warna yang sering digunakan, namun dalam jurnal ini digunakan sistem HIS, yaitu Hue, Intensity and Saturation. Penggunaan sistem RGB cukup mudah untuk menampilkan dan men-scan gambar, namun ketika menggunakan sistem HIS, mudah untuk memisahkan besarnya intensitas dan warna untuk tiga atribut yang tidak memiliki hubungan. Ketika data yang digunakan adalah data multisource, maka gambar RGB dengan resolusi rendah akan dikonversi atau diubah ke sistem HIS, kemudian dilakukan proses image fusion.  Kemudian, citra tersebut di konversi kembali ke citra baru dengan sistem RGB dengan resolusi yang tinggi. Proses ini disebut dengan transformasi ruang warna.

Berikut langkah-langkah proses transformasi HIS dan RGB :

  1. Membuat fungsi

Function=rgb2hsi(RGB);

  1. Memasukkan tiga kanal dari citra.

R=RBG(:, :, 1);

G=RGB(:, :, 2);

B=RGB(:, :, 3);

  1. Menghitung komponen H dan S
  2. Menggunakan fungsi cat  untuk mensitesis H, S dan I

HIS=cat(s,H, S, I);

HIS=rgb2hsi(RGB);

Kemudian proses konversi RBG ke HIS telah lengkap dan kemudian mengkonversi kembali citra dengan HIS ke RGB. Berikut langkah-langkahnya :

  1. Membuat fungsi.

Function RGB=hsi2rgb(HIS);

  1. Memasukkan tiga kanal dari citra.

H=HIS(:, :, 1);

I=HIS(:, :, 2);

S=HIS(:, :, 3);

  1. Membagi H ke dalam tiga bagian untuk nilai R, G dan B. Jika range HIS adalah [0, 1], maka dikonversi ke dalam [0o – 360o] oleh perkalian 360o. Jika nilai H adalah antara 0° sampai 120°, maka digunakan persamaan berikut :

………(5)

Setelah ini berhasil, maka konversi dari HIS ke RGB dengan resolusi tinggi telah berhasil. Dan kemudian simpan path dengan nama :

RGB=hsi2rgb(HIS);

Maka, citra RGB dengan resolusi tinggi telah dihasilkan.

 

  1. Percobaan dan Hasil

Data tes adalah dari gambar SPOT dan TM dari beberapa daerah dan resolusi panchromatic gambarnya dengan ukuran 2048×2048 (m) adalah 2.5 (m) dan 10(m) untuk gambar multispectral dengan ukuran 2048×2048(m). Pada percobaan eight fusion berdasarkan HPF, koefisien bobot dari 3 kanal adalah 0.8 dan 1 untuk gambar panchromatic. Melalui dua metode di dalam MATLAB, didapatkan hasil seperti gambar 5 dan 6 dan untuk ukuran terbarunya ditampilkan pada gambar 8 dan 9. Berikut gambarnya :

 

   Gambar 2. Gambar asli multispectral        Gambar 3. Gambar asli panchromatic

 

Gambar 4. Citra yg Telah Dicocokan            Gambar 5. Weight Fusion With HPF

 

Gambar 6. Hasil Transformasi HIS               Gambar 7. Bagian Dari Citra Asli Multispectral

 

Gambar 8. Bagian Dari Gambar 5                 Gambar 9. Bagian Dari Gambar 6

 

1.          Kesimpulan

Berdasarkan hasil proses image fusion, didapatkan bahwa image registration sangat presisi dan menjaga informasi spectrum citra dengan baik dan resolusi dari citra diperbaiki. Akibatnya, gambar baru yang muncul terlihat lebih jelas dari aslinya. Sebagai contoh penerapannya adalah pada jalan dan bangunan yang diblurkan dalam citra RGB aslinya.

Citra baru terlihat lebih nyata. Jadi, image fusion dengan HPF dapat memperbaiki kualitas gambar dengan baik, presisi dan memiliki daya tahan yang baik. Oleh karena itu, dapat disimpulkan bahwa metode image registering tidak hanya mempunyai presisi yang tinggi, namun juga mudah untuk diimplementasikan secara baik dengan peningkatan efisiensi citra.

 
Leave a comment

Posted by on March 27, 2014 in Materi, Pengolahan Citra

 

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

 
%d bloggers like this: