Nurzaman, Rashif Ilmi (1422041) (2019) Modifikasi Derainnet Menggunakan Guided Filter. Undergraduate thesis, Universitas Kristen Maranatha.
![[img]](http://repository.maranatha.edu/style/images/fileicons/text.png) |
Text
1422041_Abstract_TOC.pdf - Accepted Version Download (198Kb) |
|
Text
1422041_Appendices.pdf - Accepted Version Restricted to Registered users only Download (2377Kb) |
|
Text
1422041_Chapter1.pdf - Accepted Version Download (43Kb) |
|
Text
1422041_Chapter2.pdf - Accepted Version Restricted to Registered users only Download (552Kb) |
|
Text
1422041_Chapter3.pdf - Accepted Version Restricted to Registered users only Download (560Kb) |
|
Text
1422041_Chapter4.pdf - Accepted Version Restricted to Registered users only Download (336Kb) |
|
Text
1422041_Conclusion.pdf - Accepted Version Download (82Kb) |
|
Text
1422041_Cover.pdf - Accepted Version Download (172Kb) |
|
Text
1422041_References.pdf - Accepted Version Download (152Kb) |
Abstract
Hujan adalah peristiwa turunnya butir-butir air dari langit ke permukaan bumi. Embun dan rintik-rintik air yang diakibatkan hujan dapat membuat citra menjadi kabur (blur), sehingga menyulitkan pengolahan citra. Oleh karena itu, dibutuhkan suatu metode pengolahan citra untuk mengatasi masalah ini. Banyak yang telah membuat metode untuk mengatasi masalah ini hingga pada tahun 2017 dibuatlah untuk menghilangkan efek hujan menggunakan CNN yang disebut derainNet. Pada Tugas Akhir ini, kualitas citra hasil derainNet akan ditingkatkan menggunakan guided filter. Kemudian hasilnya akan dibandingkan dengan hasil fast guided filter. Pengerjaan Tugas akhir ini terdiri dari 2 percobaan, yaitu dengan citra hujan sintesis dan citra hujan sebagai inputnya. Dengan menggunakan berbagai macam konfigurasi neighborhood size dan degree of smoothing dari guided filter disertai dengan image enhancement, akan ditentukan konfigurasi terbaik berdasarkan nilai SSIM dan NIQE yang diperoleh. Hasil derainNet menggunakan guided filter dan fungsi non-linear lebih baik dari hasil guided filter dan image enhancement lainnya berdasarkan besar nilai SSIM dan NIQE yang diperoleh yaitu 0,91895 dan 3,8286. Untuk pengerjaan kedepan, Tugas Akhir ini dapat dikembangakan dengan melatih ulang CNN, mengganti konfigurasi filter dan image enhancement serta menguji hasil derainNet dengan melakukan identifikasi objek.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | derainNet, CNN, guided filter, fast guided filter, SSIM, NIQE |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering |
| Divisions: | Faculty of Engineering > 22 Electrical Engineering Department |
| Depositing User: | Perpustakaan Maranatha |
| Date Deposited: | 15 Feb 2022 08:18 |
| Last Modified: | 15 Feb 2022 08:18 |
| URI: | http://repository.maranatha.edu/id/eprint/29920 |
Actions (login required)
 |
View Item |
