Oleh:
ARUM WANDAYANI
G64103077
Skripsi
Oleh:
ARUM WANDAYANI
G64103077
Menyetujui:
Pembimbing I Pembimbing II
Mengetahui:
Tanggal Lulus:
ABSTRAK
ARUM WANDAYANI. Perbandingan Metode Brovey dan PCA dalam Fusi Citra Pankromatik
dan Multispektral. Dibimbing oleh RINDANG KARYADIN dan HARI AGUNG ADRIANTO.
Citra multispektral dengan resolusi spasial dan spektral yang tinggi sangat berguna untuk
mempermudah kegiatan analisis dalam bidang penginderaan jauh. Akan tetapi terdapat
keterbatasan sensor satelit penginderaan bumi dalam menyediakan citra multispektral resolusi
tinggi tersebut secara langsung. Pada umumnya satelit penginderaan dalam sekali perekaman
hanya mampu menghasilkan sepasang citra resolusi berbeda untuk suatu area pengamatan, yaitu
sebuah citra pankromatik (hitam putih) resolusi tinggi dan sebuah citra multispektral dengan
resolusi lebih rendah. Agar didapatkan citra multispektral dengan resolusi lebih tinggi
dilakukanlah penggabungan pasangan citra pankromatik dan multispektral awal, atau biasa disebut
teknik fusi citra (image fusion).
Penelitian ini bertujuan mengimplementasikan teknik fusi citra pada citra satelit dengan
resolusi berbeda. Selain itu melakukan perbandingan antara metode fusi dengan menggunakan
kriteria spasial dalam menghitung kesamaan informasi spasial citra hasil fusi dengan citra
pankromatik awal dan kriteria fidelitas dalam menghitung hilangnya informasi spektral citra awal.
Data yang digunakan adalah pasangan citra QuickBird dengan resolusi spasial citra pankromatik
dan resolusi citra multispektral awal sebesar 0.6 meter dan 2.4 meter, serta citra Landsat dengan
resolusi citra sebesar 15 meter dan 30 meter. Teknik fusi yang dilakukan adalah transformasi
Brovey dan transformasi PCA.
Penelitian menunjukkan bahwa metode Brovey mampu memberikan penambahan informasi
spasial yang hampir menyamai informasi spasial yang terkandung pada citra pankromatik awal,
akan tetapi kurang memberikan fidelitas secara spektral. Hal sebaliknya ditunjukkan oleh citra
hasil metode PCA yang kurang memberikan penambahan informasi spasial akan tetapi mampu
memberikan fidelitas spektral yang tinggi. Pemilihan antara kedua teknik fusi ini didasarkan pada
keperluan analisis, secara spasial atau secara spektral. Penelitian selanjutnya dapat difokuskan
untuk melihat sejauh mana citra hasil fusi mampu memberikan keakuratan secara spasial baik
dalam hal klasifikasi tak terbimbing maupun terbimbing, ataupun dalam hal pengekstraksian objek
spasial.
Kata kunci: Fusi Citra Satelit, Image Fusion, Analisis Multispektral, Pankromatik, Brovey
Transform, PCA Transform.
ABSTRACT
ARUM WANDAYANI. Comparison of Brovey and PCA Transform in Fusing Panchromatic and
Multispectral Images. Under the direction of RINDANG KARYADIN and HARI AGUNG
ADRIANTO.
Multispectral image with high spatial and spectral resolution facilitates a remote sensing
analysis. But the sensor of existing earth resource satellite has a limitation in providing this high
resolution multispectral image (HRMI) directly. In general, for a single take of an area, satellite
sensor can only produce a bundle of images with different resolution which consist of a high
resolution panchromatic image and a multispectral image in lower resolution. In order to obtain
high resolution multispectral image, the panchromatic and multispectral images are being
integrated with a technique called image fusion.
The objective of this research is to implement the image satellite fusion method with
different resolution. Other goal is to make comparisons between fusion methods by using the
spatial criterion in measuring the likeness of spatial information between the resulted image and
the initial high resolution panchromatic image (HRPI) and using the fidelity criterion in measuring
spectral information’s loss from the initial low resolution multispectral image (LRMI). Data that
being used are QuickBird’s imagery with HRPI’s and LRMI’s resolution reach 0.6 meters and 2.4
meters, and also Landsat’s imagery with image resolution of 15 meters and 30 meters each. The
fusion method that being applied are the Brovey and the PCA Transform.
This research shows that Brovey method adds more spatial information of the HRPI, but
this method fails to give good result in the domain of spectral fidelity. The opposite thing happens
with PCA method which poorly increases the spatial information but gives higher spectral fidelity.
The choice between the two methods depends on the objective of the remote sensed analysis,
whether spatial or spectral analysis. Further research can be focused on evaluating the capability of
fused image to give the spatially accuracy in unsupervised or supervised classification, or even in
subtracting the spatial object.
Keywords: Satellite Imagery Fusion, Image Fusion, Multispectral Analysis, Panchromatic, Brovey
Transform, PCA Transform.
KATA PENGANTAR
Puji dan syukur dipanjatkan kepada Allah SWT atas segala rahmat dan karunia-Nya
sehingga tugas akhir ini dapat diselesaikan. Dalam penelitian ini, diambil judul Perbandingan
Metode Brovey dan PCA dalam Fusi Citra Pankromatik dan Multispektral.
Terima kasih ditujukan kepada Bapak Rindang Karyadin, S.T., M.Kom. dan Bapak Hari
Agung Adrianto, S.Kom, M.Si. selaku pembimbing, serta kepada Ibu Yeni Herdiyeni, S.Si.,
M.Kom. selaku penguji, atas bantuan dan masukan yang diberikan guna penyelesaian penelitian
ini. Terima kasih juga ditujukan kepada Bapak Sayudiyanta S.Si. selaku pembimbing praktik kerja
lapangan yang telah memberikan saran dan memperkenalkan topik penelitian ini serta Bapak
Bambang Trisasongko yang telah banyak memberi masukan dan nasehat. Tak lupa pula terima
kasih diperuntukkan kepada Maryam Dehghani, Mr. Armenakis Costas, Mr. Bruno Aiazzi, Mr.
Victor JD. Tsai, Ibu Sri Nurdiati, Bapak Ahmad Ridha, staf Tata Usaha Departemen Ilmu
Komputer, Bapak Soleh, Bapak Pendi dan Mas Irvan yang telah memberikan bantuan dan
masukan dalam pengerjaan tugas akhir ini. Ungkapan terima kasih juga disampaikan kepada kedua
orang tua tercinta, Mbak Yayuk, Aryo, Mas Aul, rekan-rekan ilmu komputer angkatan 40 serta
pihak-pihak yang tidak dapat seluruhnya disebutkan, atas perhatian, doa, nasehat, dan dukungan
yang telah diberikan. Terima kasih banyak.
Penulisan tugas akhir ini masih jauh dari sempurna. Namun demikian diharapkan tugas
akhir ini dapat bermanfaat bagi yang membutuhkannya.
Arum Wandayani
RIWAYAT HIDUP
Penulis dilahirkan di Bogor pada tanggal 11 Desember 1981, putri pertama dari dua
bersaudara, dari pasangan Kuswantoro S.Sos., M.Sc. dan Sri Suyani. Tahun 2000 penulis
menyelesaikan pendidikan lanjutan tingkat atas di SMUN 1 Bogor dan diterima di Institut
Pertanian Bogor melalui jalur USMI (Undangan Seleksi Masuk IPB) dengan program studi pilihan
Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam. Akan tetapi karena satu dan
lain hal penulis tidak meneruskan studinya di IPB pada tahun yang sama.
Tahun 2003 penulis melanjutkan studinya kembali di Departemen Ilmu Komputer Fakultas
Matematika dan Ilmu Pengetahuan Alam IPB sebagai mahasiswa angkatan ke-40. Penulis
menyukai membaca buku dan menggemari film Korea dan Jepang. Dalam kehidupan kampus,
terutama pada tahun pertama dan kedua, penulis pun aktif menjadi anggota kepanitiaan kegiatan
Himpro HIMALKOM (Himpunan Mahasiswa Ilmu Komputer).
DAFTAR ISI
Halaman
DAFTAR LAMPIRAN.......................................................................................................................vi
PENDAHULUAN................................................................................................................................1
Latar Belakang................................................................................................................................1
Tujuan Penelitian............................................................................................................................1
Ruang Lingkup ...............................................................................................................................1
Manfaat Penelitian..........................................................................................................................1
TINJAUAN PUSTAKA.......................................................................................................................1
Fusi Citra (Image Fusion) ..............................................................................................................1
Pemulihan Citra ..............................................................................................................................2
Metode Interpolasi..........................................................................................................................2
Metode Interleave...........................................................................................................................2
Transformasi Brovey ......................................................................................................................3
Principal Component Analysis (PCA) ...........................................................................................3
Analisis Kinerja Kuantitatif Hasil Fusi..........................................................................................3
METODE PENELITIAN.....................................................................................................................4
Metode Penelitian...........................................................................................................................4
Lingkungan Pengembangan ...........................................................................................................5
LAMPIRAN .......................................................................................................................................11
iv
DAFTAR TABEL
Halaman
DAFTAR GAMBAR
Halaman
DAFTAR LAMPIRAN
Halaman
maupun ultra ungu) yang lebih memberikan dekat terbebas dari distorsi tersebut.
informasi warna berdasarkan pantulan dan Penyesuaian histogram (histogram
penyerapan sinar elektromagnetik oleh objek adjustment) dengan mengurangi nilai kanal
yang ditangkap oleh sensor. Pada umumnya terdistorsi ke arah kiri, sehingga nilai
citra multispektral yang ada beresolusi rendah, minimum kanal menjadi nol, akan dapat
dalam arti memiliki informasi spasial yang memperbaiki citra secara radiometris
rendah meskipun mampu memberi informasi (Lillesand & Kiefer 1990).
warna yang tinggi.
Kedua citra pankromatik dan multispektral Metode Interpolasi
ini, terlebih lagi penggabungannya, memiliki
Interpolasi digunakan untuk memperkira-
andil yang besar dalam aplikasi inderaja.
kan nilai antar piksel yang tidak diketahui,
Proses penggabungan citra pankromatik dan
akibat proses perubahan geometris citra,
citra multispektral ini umum dikenal sebagai
seperti proses resize, ataupun proses
image fusion atau pan-sharpening. Fusi citra
transformasi. Tiga metode umum yang
(image fusion) secara umum diartikan sebagai
digunakan adalah nearest-neighbor, bilinear,
teknik untuk mengintegrasikan detail geometri
dan bicubic. Nearest-neighbor memberikan
atau spasial dari suatu citra pankromatik
nilai piksel keluaran sesuai dengan nilai pada
(hitam putih) beresolusi tinggi dengan citra
titik acuan, sehingga memberikan kecepatan
multispektral beresolusi rendah. Tujuan yang
proses yang tinggi. Bilinear memberikan nilai
hendak dicapai dalam tahapan ini adalah
keluaran yang mempertimbangkan nilai 2x2
didapatkannya tepian objek (edge) yang
piksel tetangga terdekat dari titik acuan,
semakin jelas serta didapatkannya informasi
umumnya digunakan karena ketepatan dan
warna yang paling tajam dan representatif
kecepatannya. Adapun bicubic mempertim-
dengan mengacu pada citra multispektral
bangkan nilai keluaran dari informasi 4x4
awal.
tetangga terdekat (Matlab 2004).
Pemulihan Citra
Metode Interleave
Pada umumnya citra mengalami distorsi
Interleave menspesifikasikan bagaimana
yang menyebabkan ketidaksesuaian dengan
sebuah data disimpan. Pada umumnya kanal
keadaan aslinya. Pemulihan distorsi citra
(band) citra multispektral didefinisikan
dilaksanakan baik dengan koreksi geometrik
sebagai dimensi ketiga dalam array 3D,
maupun koreksi radiometrik. Distorsi
sebagaimana dijelaskan Gambar 1 berikut ini.
geometrik terjadi karena adanya pergeseran
Metode interleave ini terbagi menjadi tiga
piksel dari letak yang sebenarnya. Hal ini
format yaitu BSQ, BIL, dan BIP.
disebabkan oleh ketidakstabilan sensor
ataupun kurang sempurnanya sistem kerja
pemindai. Distorsi secara geometrik pada data
asli dapat diperbaiki dengan cara melakukan
registrasi koordinat dengan bantuan titik
kontrol tanah (ground control point atau GCP)
yang lokasinya diketahui dengan tepat (geo-
rectification). Selain itu distorsi geometrik
dapat pula diperbaiki dengan teknik
resampling. Perbaikan dengan teknik
resampling umumnya digunakan dengan
menggunakan teknik nearest neighbor, Gambar 1 Representasi citra multispektral.
bilinear, dan cubic interpolation.
Pada format BSQ (Band Sequential), tiap
Distorsi radiometrik antara lain keseluruhan kanal diikuti oleh keseluruhan
diakibatkan oleh adanya pengaruh atmosfer kanal berikutnya. Pada format BIL (Band
berupa penghamburan dan penyerapan, noise Interleaved by Line) baris pertama dari kanal
pada waktu transmisi data, perubahan cahaya, pertama kemudian diikuti dengan baris
radiasi dan buramnya bagian optik pada pertama kanal kedua dan selanjutnya untuk
sistem pencitraan. Pada umumnya distorsi setiap kanal. Lalu pada format BIP (Band
radiometrik mempengaruhi kanal spektrum Interleaved by Pixel), piksel pertama dari tiap
visible (panjang gelombang 0.4-0.7 µm), kanal diikuti oleh piksel kedua dari setiap
sedangkan sebagian besar kanal infra merah kanal dan seterusnya (ENVI 2003).
3
MN∑ XY − (∑ X )(∑Y )
corΧ, Υ =
[MN∑ X 2
][
− (∑ X )2 MN∑Y 2 − (∑Y )2 ] C itra
P ank rom atik
(5) C itra Teregis tras i
M ultis pek tral
dengan X adalah citra multispektral hasil fusi, T eregis tras i
Y adalah citra pankromatik, dan M×N adalah
ukuran citra (Tsai 2004).
R egis tras i, C rop , R es am pling
Registrasi, Crop, dan Resampling input dan GCP basis dari kedua pasangan
citra. Titik GCP input untuk citra
Di dalam Matlab, pembacaan kanal citra
multispektral QuickBird adalah [1 1;1 26;35
multispektral yang memiliki lebih dari 3 kanal
1;35 26]. Adapun titik GCP basisnya adalah
memerlukan perlakuan yang berbeda.
[9 9;9 34;43 9;43 34].
Pertama-tama citra multispektral yang telah
diregistrasi dibaca dengan menggunakan Setelah dilakukan proses registrasi
fungsi imread untuk mendapatkan informasi 3 diberlakukanlah proses cropping. Titik (9, 9)
kanal display (Red Green Blue) pertama. diambil sebagai titik kiri atas baru untuk citra
Kemudian dilakukan pembacaan sisa kanal multispektral QuickBird. Kemudian untuk
spektral dengan menggunakan fungsi mendapatkan ukuran sampel yang sama
multibandread. Pada penelitian ini pembacaan dengan kanal display (Red Green Blue)
dengan menggunakan fungsi multibandread diberlakukan proses resize. Kanal yang
hanya diberlakukan pada citra QuickBird yang teregistrasi dan telah diberlakukan proses
memiliki informasi 4 kanal spektral. Pada cropping di-resize dengan menggunakan
citra Landsat tidak perlu diberlakukan hal metode interpolasi bilinear.
yang sama karena data keenam kanal
spektralnya telah tersimpan dalam file yang Metode Fusi
terpisah.
Metode transformasi Brovey dan metode
Dalam pembacaan sisa kanal spektral PCA sama-sama menggunakan kombinasi
QuickBird, didapatkan bahwa sisa kanal yang linear dari pasangan citra awal untuk
dibaca dengan fungsi multibandread akan mendapatkan citra multispektral baru dengan
mengalami distorsi berupa pergeseran letak resolusi spasial menyamai resolusi citra
titik pojok kiri atas kanal. Oleh karena itu pankromatik awal. Metode Brovey merupakan
diberlakukan proses registrasi dengan komposisi dari rasio ketiga nilai kanal
mendefinisikan terlebih dahulu GCP dari data multispektral untuk keperluan display, dalam
masukan (input) dan GCP dari data basis hal ini kanal RGB yang dipadukan dengan
(salah satu dari ketiga kanal yang telah terbaca nilai spasial dari citra pankromatik awal.
sebelumnya). Proses ini dilakukan dengan Adapun perhitungan nilai kanal infra merah
menggunakan control point tool pada Matlab. dekat (NIR) dilakukan dengan melakukan
Proses penentuan GCP dari kanal referensi kombinasi dari rasio kanal NIR, Red dan
(kanal basis) dan kanal yang akan diregistrasi Green (Wang et al. 2005). Hasil tampilan
(kanal input) ditunjukkan pada Gambar 6. RGB untuk subset citra QuickBird dan citra
Selanjutnya dengan berbasis data GCP input Landsat hasil fusi Brovey diperlihatkan pada
dan data GCP basis dilakukan pemotongan Gambar 7 berikut.
(cropping) pada kanal yang telah diregistrasi
untuk menghilangkan piksel-piksel yang tidak
bersesuaian.
demikian metode PCA menghasilkan Tabel 3 Koefisien korelasi antara citra multi-
histogram kanal spektral baru yang lebih spektral hasil fusi dengan citra
menyebar dan menyerupai karakteristik citra pankromatik awal
multispektral awal. Koefisien Korelasi Citra Hasil Fusi
Band1 Band2 Band3 Band4
Perbedaan hasil kedua metode ini dapat
diamati secara visual melalui Gambar 9 dan Pan Brovey
0.95545 0.98656 0.88220 0.83130
10 berikut. Gambar 9 menunjukkan citra (QuickBird)
pankromatik QuickBird resolusi 0.6 meter dan Pan Brovey
0.90588 0.86050 0.75164 0.95656
citra multispektral QuickBird resolusi 2.4 (Landsat)
meter. Kemudian zoom area di dalam persegi Pan PCA
0.23383 0.42907 0.22611 0.32744
merah ditunjukkan oleh Gambar 10. Terurut (QuickBird)
dari kiri ke kanan bawah, adalah area zoom Pan PCA
0.42467 0.38026 0.21460 0.88567
citra pankromatik resolusi 0.6 meter, citra (Landsat)
hasil fusi PCA resolusi 0.6 meter, dan citra Metode Brovey memberikan nilai
hasil Brovey resolusi 0.6 meter. Adapun koefisien korelasi yang tinggi. Nilai korelasi
perbandingan citra hasil kedua metode fusi yang tinggi menandakan bahwa citra hasil
secara visual ditunjukkan pada Lampiran 4. transformasi fusi Brovey memiliki informasi
spasial yang mendekati informasi spasial citra
pankromatik awal. Hal ini mendukung
pengamatan visual bahwa pada citra hasil
Brovey informasi tepi objek dapat dikenali
lebih mudah.
Nilai koefisien korelasi yang dihasilkan
pada metode PCA sangat kecil bila
Gambar 9 Subset citra pankromatik dan dibandingkan dengan metode Brovey. Pada
multispektral QuickBird awal. dasarnya karakteristik kanal NIR mendekati
karakteristik citra pankromatik, sehingga nilai
korelasi kanal 4 (NIR) akan lebih mendekati
nilai 1. Akan tetapi pada perbandingan kanal
NIR QuickBird dengan citra pankromatik
diperoleh nilai yang sangat kecil. Nilai yang
kecil ini disebabkan kerusakan kanal NIR
citra multispektral QuickBird awal akibat
(a) (b) proses pembacaan dengan multibandread.
Lain halnya dengan perhitungan koefisien
korelasi, perhitungan kriteria RMSE bertujuan
untuk melihat tingkat perubahan informasi
warna dari perbandingan antara citra hasil fusi
dengan citra multispektral awal. Nilai RMSE
yang baik adalah nilai seminimal mungkin.
(c) Nilai RMSE dari data citra percobaan
Gambar 10 Area zoom (a) citra Pan, (b) hasil ditunjukkan pada Tabel 4.
fusi PCA, (c) hasil fusi Brovey. Tabel 4 Nilai RMSE antara citra multispektral
hasil fusi dengan citra multispektral
Perbandingan Kriteria Kuantitatif awal
RMSE Citra Hasil Fusi
Perbandingan kriteria kuantitatif yang Band1 Band2 Band3 Band4
dilakukan adalah perbandingan nilai koefisien Brovey
korelasi dan nilai root mean square error 72.724 102.49 63.496 352.01
(QuickBird)
(RMSE). Nilai koefisien korelasi mengukur Brovey
kesamaan informasi spasial antara citra hasil 75.954 61.304 53.116 74.340
(Landsat)
fusi dengan citra pankromatik awal yang
PCA
ditunjukkan pada Tabel 3. Nilai ini berada 0.85599 0.34977 1.8992 27.132
(QuickBird)
pada rentang [-1 1]. Nilai mendekati 1
PCA
menyatakan semakin tingginya nilai informasi 2.9979 2.7319 2.3585 17.998
(Landsat)
spasial yang terkandung pada citra hasil fusi.
9
Visualisasi data QuickBird (dari kiri ke kanan adalah citra pankromatik dan display RGB citra
multispektral)
Lampiran 1 Lanjutan
Num Eigenvalue
1 28274.501610
2 1240.226462
3 54.861461
4 32.758117
Histogram data QuickBird (dari atas ke bawah adalah histogram citra pankromatik dan histogram
citra multispektral)
14
Visualisasi data pankromatik Lansat resolusi 15 meter (dari kiri ke kanan adalah citra pankromatik
dan perbesaran areanya)
Visualisasi data multispektral Lansat resolusi 30 meter (dari kiri ke kanan adalah display RGB
citra multispektral dan perbesarannya)
15
Lampiran 2 Lanjutan
Num Eigenvalue
1 20123.014237
2 1447.848666
3 669.793117
4 143.684261
5 43.967970
6 33.199943
16
Lampiran 2 Lanjutan
Lampiran 3 Lanjutan