Copyright @ 2007 by Emy

IMAGE RESTORATION

Copyright @ 2007 by Emy

Kompetensi
Mampu membedakan proses pengolahan citra mengunakan image enhancement dengan image restoration Mampu menganalisis citra yang terkena noise dan melakukan proses perbaikan menggunakan metode pada proses image restoration
Copyright @ 2007 by Emy 3

Image Enhancement vs Image Restoration

Image Enhancement a subjective process manipulation of image memperbaiki tampilan citra untuk tujuan tertentu

Image Restoration an objective process reconstruction of image memperbaiki suatu citra yang sudah terkena noise
4

Copyright @ 2007 by Emy

Restorasi Citra (2)

Termasuk dalam restorasi citra adalah menghilangkan jenis-jenis noise yang telah kita pelajari pada pertemuan sebelumnya. Sebagai contoh, jika kita mengetahui bahwa noise bersifat periodik dan menyeluruh pada citra, maka kita bisa menghilangkannya dengan transformasi Fourier.

Copyright @ 2007 by Emy

Contoh Restorasi Citra

Copyright @ 2007 by Emy

Restorasi Area Berawan

Citra Optik Berawan Klasifikasi Citra Radar Restorasi Citra Optik (Sumber: Bakosurtanal RI; Area: Teluk Belantung)
Copyright @ 2007 by Emy 7

Environmental Models

Copyright @ 2007 by Emy

Degradation Model
f(x,y) h(x,y) n(x,y) Degradation Model: g = h*f + n g(x,y)

Copyright @ 2007 by Emy

A Model of the Image Degradation /Restoration Process

g(x, y) = h(x, y) * f(x, y) + n(x, y)

g(x, y) = degraded image h(x, y) = transfer function yang modelnya diketahui * = convolution f(x, y) = input image / ideal image yang dapat direkonstruksi n(x, y) = additive noise yang diketahui mean dan varian-nya

Copyright @ 2007 by Emy

10

Transformasi Radiometrik pada Domain Spasial

g(x,y) = f(m,n) h(x-m,y-n) + n(x,y) g = degraded image, f = ideal image yang dapat direkonstruksi, h = transfer function yang modelnya diketahui, n = additive noise yang diketahui mean dan varian-nya
Copyright @ 2007 by Emy 11

Restoration Model
f(x,y) Degradation Model Restoration Filter f(x,y)

Unconstrained
Inverse Filter Pseudo-inverse Filter

Constrained
Wiener Filter

Copyright @ 2007 by Emy

demos/demo5blur_invfilter/ 12

A Model of the Image Degradation /Restoration Process

Copyright @ 2007 by Emy

13

Model Noise

Copyright @ 2007 by Emy

14

Gaussian Model
Gaussian noise (normal noise model) PDF of a Gaussian random variable z,

p( z ) =

1 2

e ( z )

/ 2 2

Copyright @ 2007 by Emy

15

Rayleigh noise
PDF for Rayleigh noise is :
2 ( z a ) 2 / b for z a b {z a}e p( z ) = 0 for z < a

Copyright @ 2007 by Emy

16

Erlang (gamma) noise

PDF for Erlang noise is :
a b z b1 -az e p( z ) = (b 1)! 0 for z 0 for z < 0

Copyright @ 2007 by Emy

17

Exponential noise
PDF for exponential noise is :

aeaz p(z) = 0

for z 0 for z < 0

Copyright @ 2007 by Emy

18

Uniform noise
PDF for uniform noise is :
1 p( z) = b a 0 if a z b otherwise

Copyright @ 2007 by Emy

19

Impulse (salt-and-pepper) noise

PDF for (bipolar) impulse noise is :

Pa p ( z ) = Pb 0

for z = a for z = b otherwise

Copyright @ 2007 by Emy

20

10

Linear Algebraic Restoration

Copyright @ 2007 by Emy

21

Inverse Filtering

Jikalau H(u,v) pada persamaan 2 adalah nol atau nilainya sangat kecil, maka nilai N(u,v) / H(u,v) akan mendominasi nilai estimasi Kerugian dari metode ini adalah tidak mempunyai ketetapan dalam menangani gangguan (noise)
Copyright @ 2007 by Emy 22

11

Implementing Inverse Filtering

Copyright @ 2007 by Emy

23

Degradation & Restoration Examples: Gonzalez & Woods Atmospheric Turbulence Model Atmospheric Turbulence Model

Copyright @ 2007 by Emy

24

12

Implementing Inverse Filtering

G(u,v)/H(u,v) Apply to the ratio Butterworth lowpass function of order 10 Cutoff distances40, 70, 85
Copyright @ 2007 by Emy 25

Lost Information

Copyright @ 2007 by Emy

26

13

Permasalahan Pada Invers Filtering

H(u,v) = 0, untuk beberapa nilai u, v untuk kasus noisy
y = x *h + n n : additive noise

Copyright @ 2007 by Emy

27

Wiener Filtering
Metode ini memasukkan fungsi degradasi dan karakteritas statistik dari gangguan (noise) menjadi proses restorasi Metode ini di founded oleh citra-citra yang dipertimbangkan (citra yang terkena gangguan) dan gangguan (noise) sebagai random processes
Copyright @ 2007 by Emy 28

14

Formula Wiener Filtering

Least Mean Square Filter

In practice

Copyright @ 2007 by Emy

29

Hasil Wiener Filtering

Copyright @ 2007 by Emy

30

15

Degradation & Restoration Examples: Gonzalez & Woods Atmospheric Turbulence Model Atmospheric Turbulence Model

Copyright @ 2007 by Emy

31

Wiener Filtering

Copyright @ 2007 by Emy

32

16

Constrained Least Square Filtering

Kesulitan dari Wiener filter adalah pangkat dari citra undergraded dan noise harus diketahui.

Copyright @ 2007 by Emy

33

Constrained Least Square Filtering (contd)

Copyright @ 2007 by Emy

34

17

Degradation & Restoration Examples: Gonzalez & Woods Example 5.10: Planar Motion Model Example 5.10: Planar Motion Model

Copyright @ 2007 by Emy

35

Degradation & Restoration Examples: Gonzalez & Woods Example 5.13: Inverse and Wiener Filtering Example 5.13: Inverse and Wiener Filtering

Copyright @ 2007 by Emy

36

18

Geometric Mean Filter

Bentuk generalisasi dari Filter Wiener
H * (u , v) H * (u , v) f (u, v) = 2 S (u , v) H (u, v) H (u, v) 2 S f (u , v)
1

, G (u , v)

H * (u , v) H * (u , v) f (u , v) = 2 H (u , v) H (u, v) 2 S (u , v) S f (u , v)
Copyright @ 2007 by Emy

G (u , v)

37

Geometric Mean Filter (contd)

, bilangan konstan riil positif Ketika = 1, filter ini mereduksi inverse filter Ketika = 0, filter ini disebut sebagai Parametric Wiener Filter, dimana akan mereduksi wiener filter jika = 1. Ketika = 1/2, filter ini baru disebut sebagai Geometric Mean Filter
Copyright @ 2007 by Emy 38

19

Geometric Mean Filter (contd)

Ketika = 1, < , filter ini lebih cenderung sebagai Inverse Filter; > filter ini lebih cenderung sebagai Wiener Filter. Ketika = 1/2, = 1, filter ini disebut sebagai Spectrum Equalization Filter.
Copyright @ 2007 by Emy 39

Geometric Transformation (contd)

Copyright @ 2007 by Emy

40

20

IMAGE REGISTRATION

Copyright @ 2007 by Emy

41

Image Registration
Image registration terdiri dari dua tahap proses:
Spatial Transformation: merupakan pemetaan letak piksel yang dikoreksi pada bidang citra acuan. Gray-level Interpolation: merupakan pemberian nilai intensitas piksel sesuai dengan nilai intensitas piksel bersangkutan, dan pemberian nilai intensitas piksel-piksel yang kosong berdasarkan interpolasi intensitas pikselpiksel yang berdekatan / tetangga (nearest neighbour method).

Copyright @ 2007 by Emy

42

21

Dua Citra Sebelum Proses Registrasi

Citra sensor optik (kiri) dengan ukuran piksel 30m x 30 m dan skala berbeda direkam dengan platform satelit. Citra sensor Synthetic Aperture Radar (kanan) dengan ukuran piksel 20m x 20m dan skala berbeda direkam dengan platform pesawat udara

Copyright @ 2007 by Emy

43

Spatial Transformation
Misal model dari distorsi geometrik berbentuk bilinear mapping:
X = C1*X + C2*Y + C3*X*Y + C4 Y = C5*X + C6*Y + C7*X*Y + C8

Digunakan 10 20 Ground Control Points (GCPs). 8 koefisien C1 s/d C8 dapat diperoleh dari kedua persamaan diatas dengan 10 20 pasangan (X,Y) yang merupakan koordinat GCPs. Bila 8 koefisien C1 s/d C8 telah dapat dihitung, maka (X,Y) untuk setiap pasangan (X,Y) dan (X,Y) juga dapat dihitung. Criterion of goodness yang biasa digunakan adalah E-RMS (root-mean-square error):
E-RMS = sqrt (sum ((X - X)2 + (Y Y)2)
Copyright @ 2007 by Emy 44

22

Spatial Transformation

GCP

Registered

Copyright @ 2007 by Emy

45

Grey-level Interpolation
Proses pemetaan dengan transformasi spatial terkadang menghasilkan piksel-piksel yang kosong, yaitu posisi piksel pada bidang citra acuan yang tidak pernah ditempati oleh piksel yang dipetakan ke bidang citra tersebut. Akibatnya perlu ditentukan suatu intensitas yang harus diisikan pada pikselpiksel kosong tersebut. Nearest-neighbour method: piksel yang kosong dapat diisi dengan salah satu nilai dari 4- atau 8-pikseltetangga-nya atau nilai rata-rata dari 4- atau 8-piksel tetangga-nya.
Copyright @ 2007 by Emy 46

23

Apakah kegunaan dari image registration?

Bila diperlukan proses pengolahan citra yang menggunakan multitemporal atau multisensor images Pada multitemporal, koreksi geometrik biasanya cukup dilakukan dengan proses translasi Pada multisensor, koreksi geometrik umumnya merupakan proses image registration yang lebih kompleks

Copyright @ 2007 by Emy

47

Copyright @ 2007 by Emy

48

24