Implementasi Blind Deconvolution Dengan Pendekatan Maximum A Posteriori Dalam Proses Deblurring Citra

Natalia, Irine (2017) Implementasi Blind Deconvolution Dengan Pendekatan Maximum A Posteriori Dalam Proses Deblurring Citra. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	Text HALAMAN AWAL.pdf Download (1MB) | Preview
Preview	Text BAB I.pdf Download (672kB) | Preview
Preview	Text BAB II.pdf Download (901kB) | Preview
Preview	Text BAB III.pdf Download (1MB) | Preview
	Text BAB IV.pdf Restricted to Registered users only Download (2MB)
Preview	Text BAB V.pdf Download (663kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (717kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Download (915kB)

Abstract

Proses observasi citra dipakai secara luas dalam aplikasi sehari-hari, mulai dari fotografi hingga ke objek penelitian seperti astronomi, medical imaging, dan microscopy. Proses pengambilan citra dalam praktiknya tidak selalu menghasilkan tampilan yang sempurna, ada beberapa faktor yang dapat mendistorsi hasil sebuah citra salah satunya blur. Banyak metode yang telah dikembangkan untuk aplikasi deblurring, salah satunya adalah blind deconvolution. Metode blind deconvolution cocok digunakan ketika sebuah citra diambil dalam kondisi yang kurang optimal dimana pengamat kurang mengetahui faktor yang menyebabkan degradasi pada citra. Penelitian terbaru terkait metode ini mengembangkan proses estimasi blur kernel menggunakan Maximum A Posteriori sehingga dapat diperoleh estimasi citra dan blur kernel yang lebih stabil. Penelitian ini menggunakan sampel data sebanyak tiga puluh dua (32) citra blur dari gabungan empat (4) citra asli dengan delapan (8) blur kernel. Evaluasi uji coba dilakukan dengan membandingkan hasil deblurring sesuai dengan jumlah iterasi yang digunakan. Hasil penelitian menunjukkan output deblurring terbaik terjadi pada iterasi ke-12 yang ditunjukkan dengan nilai Mean Square Error terendah.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	deblurring, blind deconvolution, Point Spread Function, Maximum A Posteriori.
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods
Divisions:	Faculty of Engineering & Informatics > Informatics
Depositing User:	Administrator UMN Library
Date Deposited:	22 Jan 2019 03:11
Last Modified:	03 May 2023 02:31
URI:	https://kc.umn.ac.id/id/eprint/4799

Actions (login required)

View Item