ANALISIS METODE KOMPRESI BERDOMAIN WAVELET PADA CITRA SATELIT RESOLUSI SANGAT TINGGI

Ayom Widipaminto, Andy Indradjad, Donna Monica, Rokhmatuloh Rokhmatuloh

Abstract

Masalah yang kerap terjadi pada citra satelit penginderaan jauh, terutama citra resolusi sangat tinggi, salah satunya adalah besarnya media penyimpanan dan bandwidth yang dibutuhkan saat data ditransmisi ke tempat lain. Pada pengolahan citra satelit, kompresi data perlu dilakukan pada data citra satelit yang ada demi memudahkan transmisi dan penyimpanan citra. Makalah ini melakukan komparasi pada metode-metode kompresi domain wavelet yaitu metode wavelet, bandelet, dan CCSDS agar ditemukan metode terbaik untuk mengompresi data citra satelit resolusi sangat tinggi Pleiades. Hasil percobaan menunjukkan bahwa metode wavelet dan bandelet lebih baik dalam hal mempertahankan kualitas citra dengan PSNR di kisaran 50 dB, sementara metode CCSDS lebih baik dalam hal mereduksi ukuran citra menjadi seperdelapan citra asli.

Keywords

kompresi citra satelit; Pleiades; domain wavelet; bandelet; CCSDS

Full Text:

PDF

References

Babaee, A., Shahrtash, S. M., & Najafipour, A. (2013). Comparing the trustworthiness of signal-to-noise ratio and peak signal-to-noise ratio in processing noisy partial discharge signals. IET Science Measurement & Technology, 112-118.

Babb, B., Frank, M., Michael, P., & Gary, L. (2008). Improved satellite image compression and reconstruction via genetic algorithms. Wales, SPIE.

CCSDS. (2005). CCSDS 122.0-B-1 Image Data Compression Blue Book.

Elkholy, M., Hosny, M. M., & El-Habrouk, H. M. F. (2019). Studying The Effect of Lossy Compression and Image Fusion on Image Classification. Alexandria Engineering Journal.

Garcia-Vilchez, F., & Serra-Sagrista, J. (2009). Extending the CCSDS Recommendation for Image Data Compression for Remote Sensing Scenarios. IEEE Transactions on Geoscience and Remote Sensing, 47(10), 3431-3445.

International Telecommunication Union. (1993). Terminal Equipment and Proocols for Telematic Services.

Le Pennec, E., & Mallat, S. (2005). Sparse Geometric Image Representations with Bandelets. IEEE Transactions on Image Processing, 42-438.

Mallat, S. (1991). Zero-Crossings of A Wavelet Transform. IEEE Transactions on Information Theory, 1019-1033.

Tai, S.-C., Kuo, T.-M., Ho, C.-H., & Liao, T.-W. (2012). A Near-lossless Compression Method Based on CCSDS for Satellites Images. IEEE Computer Society, 706-709.

Yuan, S., & Hu, J. (2019). Research on Image Compression Technology Based on Huffman Coding. Journal of Visual Communication and Image Representation, 33-38.

Refbacks

  • There are currently no refbacks.