Soft Weighted Median Filter Method for Improved Image Segmentation with Noise

Siprianus Septian Manek, Handayani Tjandrasa
2018 JUTI: Jurnal Ilmiah Teknologi Informasi  
ABSTRAK Metode Soft Weighted Median Filter (SWMF) merupakan salah satu metode noise filtering baru dalam image processing. Metode ini digunakan untuk menangani dua tipe noise pada citra yaitu fixed valued noise (FVN) dan random valued noise (RVN). Fixed valued noise adalah tipe noise dengan nilai yang tidak berubah (tetap), noise ini mengganti nilai piksel pada citra menjadi nilai maksimum dan minimum (0 dan 255), sedangkan random valued noise adalah tipe noise dengan nilai yang berubah-ubah
more » ... ang berubah-ubah (acak). Contoh untuk fixed valued noise seperti: salt&pepper noise, sedangkan untuk random valued noise seperti: gaussian, poisson, speckle, dan localvar noise. Berdasarkan penelitian sebelumnya, metode SWMF dapat diterapkan pada semua citra dengan semua jenis noise (FVN maupun RVN) serta mampu mengurangi noise tersebut dengan baik. Metode ini memiliki nilai PSNR yang lebih tinggi dibandingkan dengan metode lain, terutama untuk random valued noise seperti: gaussian, speckle, dan localvar noise. Pada penelitian ini, kami mengusulkan untuk meneliti kinerja dari metode SWMF lebih lanjut yaitu dengan membandingkan metode ini dengan metode lain seperti: Median Filter, Mean Filter, Gaussian Filter, dan Wiener Filter pada proses segmentasi citra. Proses segmentasi citra pada penelitian ini berdasarkan deteksi area menggunakan Top-Hat transform dan Otsu thresholding dan deteksi garis menggunakan Sobel edge detection. Proses pengukuran kinerja menggunakan perhitungan nilai sensitivity, specificity, dan accuracy pada citra hasil segmentasi dengan citra groundtruh. Hasil penelitian menunjukkan bahwa metode Soft Weighted Median Filter mampu meningkatkan kualitas segmentasi citra dengan rata-rata accuracy sebesar 95,70% dengan mengurangi fixed value noise maupun random valued noise pada citra. Sedangkan sensitivity dan specificity rata-rata memiliki nilai sebesar 90,48% dan 97,98%. ABSTRACT Soft Weighted Median Filter Method (SWMF) is one of the new methods for noise filtering in image processing. This method is used for two types of noise in images, i.e. fixed valued noise (FVN) and random valued noise (RVN). Fixed valued noise is a noise type with an unchanged value, it changes the pixel value of the image to the maximum and minimum values (0 and 255), while random valued noise is a noise type with a changed value. An example of fixed valued noise is salt & pepper noise, while for random valued noise can be exemplified as gaussian, poisson, speckle, and localvar noise. Based on the previous research, SWMF method can be applied to all images with all kinds of noise (FVN and RVN) and able to reduce the noise well. This method has a higher PSNR value than other methods, especially for random valued noise types such as: gaussian, speckle, and localvar noise. In this study, we propose to examine the performance of the SWMF method further by comparing this method with other methods such as Median Filter, Mean Filter, Gaussian Filter, and Wiener Filter in an image segmentation process. The image segmentation process in this research is based on area detection using Top-Hat transform and Otsu thresholding and line detection using Sobel edge detection. The performance measurement process uses the calculation of sensitivity value, specificity, and accuracy on the image segmentation with the groundtruth image. The results show that Soft Weighted Median Filter method can improve the quality of image segmentation with the average accuracy of 95.70% by reducing fixed value noise and random valued noise in the images. While the averages of sensitivity and specificity are 90.48% and 97.98% respectively.
doi:10.12962/j24068535.v16i2.a721 fatcat:s3nyjbmu2fgi5krsw2gicf776q