Pemampatan data citra menggunakan CMAC (Cerebellar Model Arithmetic Computer)

ACHMAD, Muhamad Iradat, Prof. Adhi Susanto, MSc.,PhD

2004 | Tesis | S2 Teknik Elektro

Secara umum, pemampatan adalah proses untuk mengubah stream data citra masukan dengan ukuran tertentu menjadi stream data citra keluaran dengan ukuran yang lebih kecil. Proses tersebut dilakukan untuk mengeliminasi redundancy data citra masukan sehingga representasinya menjadi lebih efisien. Berdasar pada kenyataan bahwa mata manusia memiliki batas kepekaan dalam menilai beda tingkat keabuan dan atau beda warna maka pemampatan dilakukan selain untuk mengeliminasi redundancy juga untuk menghilangkan irrelevancy informasi pada data citra. Hal ini dimaksudkan untuk memperoleh rasio pemampatan yang optimum tanpa mempengaruhi presepsi mata manusia atas citra. CMAC termasuk salah satu jenis JST yang berusaha meniru cara kerja otak belakang manusia. Struktur CMAC terklasifikasi dalam kelas AMN (Associative Memory Network). Jenis jaringan ini menyimpan informasi secara lokal (local generalization) yang menyebabkan waktu pembelajaran berlangsung relatif lebih cepat dan komputasi minimal. Ada dua parameter yang mempengaruhi kerja CMAC dalam memampatkan data citra, yaitu parameter generalisasi, r, dan parameter vektor ubahposisi (displacement vector), d. Semakin besar nilai generalisasi, semakin tidak lokal CMAC menyimpan informasi, dan semakin lama proses belajar CMAC dilakukan. Parameter d mempengaruhi distribusi informasi dalam CMAC. Suatu nilai d terbaik (MSE terkecil) pada citra tertentu, belum tentu terbaik bagi citra yang lain. Dalam hal pemampatan, parameter r mempengaruhi rasio pemampatan dan parameter d mempengaruhi kualitas citra hasil pemampatan. Terkait dengan maksud utama eksplorasi dalam bidang pemampatan adalah penyempurnaan metoda-metoda pemampatan yang ada dan pencarian metoda-metoda pemampatan baru, maka berdasar pada: (a) keunggulan CMAC tersebut di atas, (b) pengamatan atas penelitian-penelitian tentang CMAC, dan (c) prapercobaan yang telah dilakukan, terdapat adanya indikasi bahwa CMAC dapat memampatkan data citra lebih efisien. Kemampuan metoda CMAC untuk memampatkan data citra, pengaruh parameter generalisasi dan parameter vektor ubahposisi CMAC dalam memampatkan data citra, serta karakteristik citra yang sesuai untuk penerapan metoda pemampatan CMAC adalah hal-hal yang akan dijawab oleh penelitian ini.

The CMAC (Cerebellar Model Arithmetic Computer), originally developed by Albus in 1975, is a kind of an artificial neural network that imitates human cerebellum. There have been so many researches on the attractive features of CMAC and its applications in many fields. The features of CMAC like local generalization, fast learning, fault tolerance, and easy implementation both software and hardware, has led to many applications in solving the control problems, identification, color calibration in the image processing field, etc. The ability of the CMAC in storing input-output mapping information, forced an idea to use the CMAC in the image compression field. There are two parameters of CMAC, the generalization and the displacement vector, which directly affect image compression results. Both the generalization parameters and the displacement vectors are related to the ratio and the quality of the image. As the generalization value increases, the compression ratio decreases (the original image reduction increases) and the quality of images gets lower. Although the displacement vector does not include in the Albus’s CMAC, but this parameter has very strong effect to the quality of the compressed images. The smaller MSE we get in learning, by varying this parameter, the better the quality of the image compression results. The Hamming distance can be used to measure how far the input map to the weight domain, the farther the distance, the better in quality, and vice versa. From the image compression point of view, the adaptive process used in compressing the image, would give rise to a new interpretation of CMAC as Cerebellar Model Adaptive Compression.

Kata Kunci : Data Citra, Pemampatan, CMAC