restorasi citra plat nomor kendaraan menggunakan metode...
TRANSCRIPT
Restorasi Citra Plat Nomor Kendaraan Menggunakan Metode Super Resolusi pada Sistem Pelanggaran Lampu Merah
Bayu Setyo Prayugi
Teknik Komputer dan Telematika Jurusan Teknik Elektro
Insitut Teknologi Sepuluh Nopember Suarabaya Abstrak
Gambar dengan resolusi rendah tidak dapat dimanfaatkan untuk berbagai kebutuhan karena informasi dari gambar tersebut mungkin hilang. Oleh karena itu berbagai macam cara dilakukan untuk memperbaiki kualitas gambar, baik memperbaiki dari segi hardware, atau juga mengolah melalui software.
Dalam tugas akhir ini, dibuat sistem atau program untuk memperbaiki kualitas citra menggunakan metode super resolusi, dari citra resolusi rendah, menjadi citra resolusi tinggi. Gambar dengan resolusi rendah dijadikan sebagai input, gambar‐gambar tersebut lalu diregistrasi secara geometrik dan fotometrik, menghasilkan gambar mozaik. Gambar mozaik inilah yang kemudian di restorasi menggunakan metode super resolusi dengan memanfaatkan parameter ‐ parameter yang ada pada teknik ransac ROBUST untuk memproduksi citra dengan resolusi tinggi.
Hasil yang diperoleh setelah dilakukan pengujian menunjukkan bahwa metode super resolusi menggunakan teknik ransac ROBUST dapat merestorasi citra resolusi rendah menjadi citra resolusi tinggi. Dengan demikian, maka citra resolusi tinggi dapat digunakan untuk keperluan sesuai dengan kebutuhan pengguna, misalnya membantu pelaksanaan Intelegent Transportation System (ITS) di beberapa kota di dunia, termasuk Surabaya. Pendahuluan
Beberapa kota maju di dunia telah mencoba untuk mengatasi beberapa masalah yang berhubungan dengan pelanggaran lampu merah. Caranya adalah dengan membuat system yang mampu mendeteksi setiap pelanggaran lampu merah yang terjadi, kamera perekam dipasang pada setiap perlintasan jalan sehingga dapat merekam seluruh kejadian yang terjadi sepanjang hari. Cara ini berhasil, baik untuk merekam semua kejadian, maupun untuk menekan angka pelanggaran lampu merah, akan tetapi hasil rekaman yang berisi plat nomor kendaraan dari kamera ini biasanya adalah gambar dengan resolusi rendah, dan sulit terbaca oleh user (manusia).
Ada 2 cara yang bisa dilakukan untuk meningkatkan kualitas gambar hasil rekaman kamera tersebut, pertama dengan meningkatkan spesifikasi kamera (meng‐ganti kamera dengan spesifikasi yang lebih baik), kedua dengan mengolah gambar hasil rekaman tersebut menggunakan software dan metode yang ada.
Teknik citra Super Resolusi adalah suatu teknik untuk mendapatkan citra yang beresolusi tinggi dari sekumpulan citra yang beresolusi rendah (LR). Resolusi tinggi yang dihasilkan dapat berupa citra tunggal atau lebih. Citra resolusi tinggi didapat dari sekumpulan resolusi rendah yang diambil dari adegan (scene) yang sama. Karena dari adegan (scene) yang sama itu menyediakan informasi yang dapat digunakan untuk merekonstruksi citra resolusi tinggi.
Penelitian Terkait
Penelitian yang terkait dengan masalah ini memang telah banyak dilakukan, berbagai macam metode dan teknik untuk menciptakan citra dengan kualitas super atau resolusi tinggi dilakukan, beberapa metode itu antara lain estimasi Maksimum Posteriori (MAP Estimation), estimasi Maksimum Likehood (ML Estimation), dan masih banyak lagi. Beberapa teknik ini berhasil memproduksi citra yang memiliki kualitas lebih baik, akan tetapi banyak juga penelitian yang masih butuh penyempurnaan. Dalam tugas akhir ini, penulis ingin mencoba untuk menerapkan metode yang telah ada yaitu metode robust, menggunakan algoritma dan teknik yang ada serta sedikit modifikasi pada program, diharapkan penelitian ini dapat sedikit membantu penelitian‐penelitian yang ada sekarang.
Gambar Input Dalam sistem ini, ada dua jenis input yang
digunakan, salah satunya adalah berupa gambar. Gambar / citra yang digunakan sebagai input di sini adalah gambar dengan format file *.jpeg serta resolusi tinggi, citra tersebut kemudian diberi beberapa noise seperti blur, salt and pepper, translasi, dan skala. Hasil olahan dari gambar asli
yang telah diberi noise ini menjadi citra dengan rusak dan berwarna grayscale, atau disebut juga citra resolusi rendah. Video Input
Input sistem yang digunakan selain gambar statis adalah video. Video yang digunakan sebagai input sistem adalah video dengan resolusi rendah dan berwarna grayscale. Video ini disampling menjadi beberapa gambar (frame), frame‐frame inilah yang digunakan sebgai input sistem. Karena program dibuat dengan menggunakan software Matlab, maka file video yang didukung oleh Matlab adalah file dengan ekstensi *.mat. Registrasi Citra Registrasi citra ini dibutuhkan karena data input yang diolah lebih dari satu gambar, registrasi ini bertugas untuk membentuk sebuah citra baru yang berasal dari citra‐citra input yang ada. Proses registrasi ini ada dua macam, yaitu : Registrasi Geometrik Registrasi Geometrik ini berfungsi untuk mencari titik‐titik yang sama dari beberapa gambar dengan objek yang sama tetapi memiliki sudut pandang yang berbeda. Karena citra yang diolah lebih dari satu, maka dibutuhkan registrasi yang dapat menangani sejmlah N citra secara otomatis, dengan jumlah iterasi yang dapat ditentukan, maka digunakan metode ransac ROBUST. Langkah‐langkah tersebut terbagi menjadi 5 bagian utama, yaitu :
1. Menghitung interest point tiap gambar. 2. Menghitung sekumpulan interest point
berdasarkan jaraknya dengan piksel tetangga. 3. Gunakan ransac ROBUST, ulangi untuk
sejumlah N data. Pilih sampel acak 4 titik, hitung homografinya, hitung jarak error geometris masing‐masing korenpondensi, hitung jumlah inliers tetap dengan H dari jumlah korespondensi, khusus untuk jarak error yang lebih kecil dari threshold, lalu pilih H dengan jumlah inlears terbesar.
4. Estimasi ulang H dari semua korespondensi, lalu maksimalkan kemungkinan fungsi persamaan.
5. Sekumpulan interest point kini ditentukan dengan estimasi H untuk menunjukkan daerah objek pada posisi titik yang ditransfer.
Ulangi / Lakukan iterasi lagkah (4) dan (5) hingga jumlah korespondensi stabil.
Gambar berikut akan menjelaskan proses registrasi citra dengan sejumlah N data. Proses ini biasa disebut dengan Estimasi Homografi Otomatis. Gambar 2 buah gambar universitas Oxford, gerakan terjadi karena rotasi dari kamera di tempat yang sama, sehingga terbentuk homografi diantaranya. Deteksi titik / fitur dari tiap‐tiap gambar, ada sekitar 500 titik dari tiap gambar. Gambar satu diandingkan dengan gambar lainnya menggunakan metode ransac ROBUST, hasilnya didapatkan titik‐titik yang sama antar gambar. Ada 268 titik yang diuji (gambar kiri) dan terdapat 117 titik yang berbeda (gambar kanan) Terdapat 151 titik yang sama (gambar kiri). Setelah beberapa kali iterasi, optimlisasi fitur dan panduan kemungkinan persamaan maka didapatkan sejumlah 262 titik sama (gambar kanan) yang merupakan final dari proses registrasi geometrik.
Gambar HaTerbentuk kamera. Registras
Reprosedur ddiperkirakaseperti ilumvariasi intecahaya secmenunjukkini, bersamenghitunregistrasi gaplikasi unsukses.
Gayang mengkecerahan)
Defotometrikintensitas sehingga dseluruh gam
asil registrasi gdari 100 gam
si Fotometrikegistrasi Fotdimana globalan. Misal trminasi perubahensitas karena cara otomatiskan bahwa paama dengan ng parametegeometrik, dantuk membent
ambar berikutggunakan trans) tiap RGB chan
=
engan kata bertugas ucahaya antardidapatkan nilmbar yang ada
eometrik. mbar tunggal
k tometrik ma fotometrik aransformasi bhan di tempatkamera meng. Dalam prakarameter sede
metode rr yang dibapat cukup mtuk gambar m
t akan menunsformasi affinennel.
+
lain, intinyntuk mengatra tiap‐tiap frai kecerahan a.
dengan rotasi
angacu padantara gambar
bersifat global kejadian, dangontrol tingkatkteknya, telaherhana modelansac untukberikan padamemungkinkanmozaik dengan
njukkan modele (kontras dan
+
ya registrasitur tingkat /rame gambar,rata‐rata dari
i
a r l n t h l k a n n
l n
i / , i
Supe
teknitingg(LR). tunggsekumadega(scendapattingg Gamb
selesgabuterseinilahcitra (fast
Rumudibuaditenmenj
paramgamb
er ResolusiTeknik citra
k untuk meni dari sekumpResolusi ting
gal. Citra mpulan resolan (scene) yane) yang sama t digunakan ui.
bar Dasar dari
Diasumsikanai dilakukan, ngan dari sebut biasa dish yang digunasuper resolusROBUST).
us diatas sedikat menggunakntukan sendiriadi :
Dari rumusmeter yang dbar super resol
a Super Resondapatkan citrulan citra yangggi yang dihasresolusi tingusi rendah yang sama. Kaitu menyediantuk merekon
Super Resolus
n bahwa prossehingga terbeluruh input sebut gambar akan sebagai isi dengan tek
kit dimodifikasikan sejumlah , maka rumu
s di atas, apat digunakalusi, yaitu :
olusi adalah ra yang bereg beresolusi resilkan berupa ggi didapat yang diambil arena dari adakan informasintruksi citra re
i
ses registrasi bentuk sebuahyang ada, gamozaik. Ga
input pembennik ransac RO
karena sistemiterasi yang
usnya dapat d
didapat beban untuk mem
suatu esolusi endah citra dari
dari degan i yang esolusi
telah h citra ambar ambar ntukan OBUST
m yang dapat ditulis
berapa mbuat
1. Faktor Resolusi, menggambarkan ukuran dari citra resolusi tinggi
2. Ukuran kernel dan Sigma, berfungsi memberikan nilai filter Gaussian yang dipakai
3. Alpha, Beta, Lamda, P, berfungsi sebagai parameter pengujian pada input program.
4. Iterasi, jumlah iterasi yang dimasukkan untuk memproduksi gambar resolusi tinggi.
Hasil Pengujian Untuk mengetahui apakah program / sistem yang dibuat dapat berjalan dengan baik, maka dibutuhkan pengujian terhadap sistem tersebut, pengujian sistem ini digunakan untuk menguji tingkat keberhasilan dan juga dapat digunakan untuk menentukan berapa persen error yang ada pada program dan algoritma yang diuji. Berikut ini, adalah pengujian terhadap file “lena.jpg” Gambar “lena.jpg” original memiliki ukuran 512 x 512 piksel dan berformat gambar JPG. Gambar “lena.jpg” setelah diberi beberapa noise (blur, skala, translasi, sal & pepper)
Gambar “lena.jpg” resolusi tinggi, setelah diproses dengan metode fast ROBUST dengan parameter (F. Resolusi : 2, Jumlah kernel : 3, Sigma : 1, Alpha : 0.7, Beta : 1, Lambda : 0.04, P : 2, Iterasi : 20 kali) Pengujian selanjutnya, file “plat.jpg” Gambar “plat.jpg” original memiliki ukuran 512 x 512 piksel dan berformat gambar JPG. Gambar “plat.jpg” setelah diberi beberapa noise (blur, skala, translasi, sal & pepper) Gambar “plat.jpg” resolusi tinggi, setelah diproses dengan metode fast ROBUST dengan parameter (F. Resolusi : 2, Jumlah kernel : 3, Sigma : 1, Alpha : 0.7, Beta : 1, Lambda : 0.04, P : 2, Iterasi : 20 kali) Pengujian file dilakukan juga dalam file video. Berikut ini adalah pengujian terhadap file “text.mat”
Gambar screenshoot file “text.mat” resolusi rendah, dengan beberapa deskripsi (jumlah frame : 30, Ukuran video : 57 x 49 px, ukuran video (avi) : 250 kb, ukuran video (mat) : 80 kb, kamera : Olympus c‐4000) Gambar “text.jpg” resolusi tinggi, menggunakan metode bicubic dan deblurring (kiri), serta fast ROBUST (kanan) dengan parameter (F. Resolusi : 2, Jumlah kernel : 3, Sigma : 1, Alpha : 0.7, Beta : 1, Lambda : 0.04, P : 2, Iterasi : 20 kali) Pengujian berikutnya, file “car.mat” Gambar screenshoot file “car.mat” resolusi rendah, dengan beberapa deskripsi (jumlah frame : 64, Ukuran video : 121 x 72 px, ukuran video (avi) : 1.6 Mb, ukuran video (mat) : 545 kb, kamera : tidak diketahui)
Gambar “text.jpg” resolusi tinggi, menggunakan metode bicubic dan deblurring (kiri), serta fast ROBUST (kanan) dengan parameter (F. Resolusi : 2, Jumlah kernel : 3, Sigma : 1, Alpha : 0.7, Beta : 1, Lambda : 0.04, P : 2, Iterasi : 20 kali. Kesimpulan
Dari hasil pengujian dan analisa data, dapat diambil kesimpulan bahwa metode super resolusi dengan teknik ransac ROBUST, dapat digunakan untuk merestorasi citra dari resolusi rendah menjadi resolusi tinggi. Beberapa sample yang digunakan menunjukkan hasil yang baik, mskipun ada juga yang menujukkan bahwa program yang dibuat ini kurang berhasil, masalah ini didapat karena informasi citra antara citra satu dengan citra lainnya berbeda terlalu jauh.
Diskusi
Karena masih terdapat beberapa kekurangan yang belum dapat diselesaikan dalam program yang dibuat disini, maka diharapkan untuk penelitian‐penelitian berikutnya dapat lebih menyempurnakan sistem yang dibuat ini, terutama masalah
Referensi [1]http://www.2d3.com [2]http://jec190a.blogspot.com/ [3]http://www.csse.uwa.edu.au/~pk/Research/Matl
abFns/index.html [4]http://www.robots.ox.ac.uk/~vgg/hzbook/code/ [5]David Capel. Computer Vision Applied to Super‐
resolution. 14 Minns Business Park West Way. Oxford OX2 6AD, UK.
[6]S. Baker and T. Kanade. Limits on super‐resolution and how to break them. IEEE PAMI, 24(9):1167–1183, 2002.