Back to Search Page
Resource Detail

Kompresi data file gambar menggunakan jaringan saraf tiruan [permalink]

Share/Save/Bookmark

Neural Network dapat digunakan untuk kompresi image. Salah satu dari
pendekatan neural secara umum tentang kompresi image adalah melatih sebuah
network untuk encoding dan decoding input data sehingga perbedaan yang
dihasilkan antara input image dan output image dapat diminimalisasi. Untuk
proses kompresi, network terdiri dari input layer dan output layer yang memiliki
ukuran sama, dan intermediate layer yang memiliki ukuran lebih kecil terletak di
antara kedua layer disimpan sebagai file kompresi. Perbandingan antara ukuran
image asli terhadap file hasil kompresi merupakan compression ratio. Pada
proses dekompresi, network biasanya digunakan untuk melatih beberapa image
sekaligus sehingga dapat meminimalisasi ukuran//7<2 masukan proses dekompresi.
Sebagai bahan evaluasi untuk kompresi image neural network, telah
dilakukan pengujian compression ratio dan performa grayscale image hasil
dekompresi . Compression ratio yang berhasil dicapai untuk monochrome image
adalah 11:1 dan untuk grayscale image adalah 30:1 dengan tingkat kemiripan
terendah 81.64 % .Keuntungan dari kompresi menggunakan neural network
adalah ukuran file kompresi yang ditentukan oleh arsitektur jaringan.

Author
• (23497017) CICILIA

Contributor
• (88-003) YOHANES TRILAKSONO DIBYO S.
• (91-024) Resmana Lim

Publisher
Universitas Kristen Petra

Year : 2001

Subject
1. IMAGE PROCESSING-DIGITAL TECHNIQUES
2. NEURAL NETWORKS (COMPUTER SCIENCE)

Keyword
data, compress, neural network, electronics, file, encoding, decoding, image

Category
s1 - Skripsi/Undergraduate Thesis (Program Studi Teknik Elektro S1)

Language
Indonesian

Rights
Skripsi No. 01/E/EL/027/541; Cicilia (23497017)
The resource(s) is/are owned by the Creator/Contributor.Reproduction & distribution for non-commercial purposes is permitted provided that the credit for the Creator/Contributor and the source are explicitly stated,and no alteration are made

FILE(s)

1. jiunkpe-ns-s1-2001-23497017-14933-file-cover.pdf (361.68 kB) - [permalink]

2. jiunkpe-ns-s1-2001-23497017-14933-file-abstract_toc.pdf (532.25 kB) - [permalink]

3. jiunkpe-ns-s1-2001-23497017-14933-file-chapter1.pdf (450.61 kB) - [permalink]

4. jiunkpe-ns-s1-2001-23497017-14933-file-chapter2.pdf (1.25 MB) - [permalink]

5. jiunkpe-ns-s1-2001-23497017-14933-file-chapter3.pdf (1023.37 kB) - [permalink]

6. jiunkpe-ns-s1-2001-23497017-14933-file-chapter4.pdf (935.31 kB) - [permalink]

7. jiunkpe-ns-s1-2001-23497017-14933-file-conclusion.pdf (336.23 kB) - [permalink]

8. jiunkpe-ns-s1-2001-23497017-14933-file-references.pdf (301.31 kB) - [permalink]

9. jiunkpe-ns-s1-2001-23497017-14933-file-appendices.pdf (640.51 kB) - [permalink]

 

Petra Christian University Library | library@petra.ac.id