tomografy di 2 dimensi
TRANSCRIPT
PendahuluanPembahasan
Penutup
Tomografi di 2D
Muhammad Jakfar
May 17, 2013Aplikasi Masalah Invers, Topik Analisis
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Daftar isi
1 PendahuluanDeskripsiKajian Teori
2 PembahasanMetode transformasi RadonMetode ReguralisasiPerbandingan Metode
3 PenutupKesimpulan
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
DeskripsiKajian Teori
Latar belakang:
Tomografi 2-dimensi merupakan salah satu perekonstruksian citra.Transformasi Radon merupakan pendekatan langsung terhadappermasalahan pencitraan tomografi. Sehingga biasanya untukmenyelesaikan masalah pencitraan tomografi digunakan inverstransformasi Radon. Jika datanya diskrit, bisakah pencitraantomografi menggunakan metode regularisasi? Disini akandijelaskan penggunaan metode regularisasi untuk pencitraantomografi serta mencari metode regularisasi apa yang terbaikdalam permasalahan pencitraan tomografi.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
DeskripsiKajian Teori
Latar belakang:Tomografi 2-dimensi merupakan salah satu perekonstruksian citra.Transformasi Radon merupakan pendekatan langsung terhadappermasalahan pencitraan tomografi. Sehingga biasanya untukmenyelesaikan masalah pencitraan tomografi digunakan inverstransformasi Radon. Jika datanya diskrit, bisakah pencitraantomografi menggunakan metode regularisasi? Disini akandijelaskan penggunaan metode regularisasi untuk pencitraantomografi serta mencari metode regularisasi apa yang terbaikdalam permasalahan pencitraan tomografi.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
DeskripsiKajian Teori
Tujuan:
1. merekonstruksi citra tomografi 2D menggunakan inverstransformasi Radon.2. merekonstruksi citra tomografi 2D menggunakan metoderegularisasi.3. mencari metode reguralisasi terbaik dalam pencitraan tomografi2D.4. membandingkan hasil pencitraan tomografi 2 D dengan metodeinvers transformasi Radon dan metode regularisasi terbaik.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
DeskripsiKajian Teori
Tujuan:1. merekonstruksi citra tomografi 2D menggunakan inverstransformasi Radon.
2. merekonstruksi citra tomografi 2D menggunakan metoderegularisasi.3. mencari metode reguralisasi terbaik dalam pencitraan tomografi2D.4. membandingkan hasil pencitraan tomografi 2 D dengan metodeinvers transformasi Radon dan metode regularisasi terbaik.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
DeskripsiKajian Teori
Tujuan:1. merekonstruksi citra tomografi 2D menggunakan inverstransformasi Radon.2. merekonstruksi citra tomografi 2D menggunakan metoderegularisasi.
3. mencari metode reguralisasi terbaik dalam pencitraan tomografi2D.4. membandingkan hasil pencitraan tomografi 2 D dengan metodeinvers transformasi Radon dan metode regularisasi terbaik.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
DeskripsiKajian Teori
Tujuan:1. merekonstruksi citra tomografi 2D menggunakan inverstransformasi Radon.2. merekonstruksi citra tomografi 2D menggunakan metoderegularisasi.3. mencari metode reguralisasi terbaik dalam pencitraan tomografi2D.
4. membandingkan hasil pencitraan tomografi 2 D dengan metodeinvers transformasi Radon dan metode regularisasi terbaik.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
DeskripsiKajian Teori
Tujuan:1. merekonstruksi citra tomografi 2D menggunakan inverstransformasi Radon.2. merekonstruksi citra tomografi 2D menggunakan metoderegularisasi.3. mencari metode reguralisasi terbaik dalam pencitraan tomografi2D.4. membandingkan hasil pencitraan tomografi 2 D dengan metodeinvers transformasi Radon dan metode regularisasi terbaik.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
DeskripsiKajian Teori
Teori Dasar
Tomografi?
diturunkan dari kata yunani tomos (potongan) dan graphein(gambar).
merupakan teknik pencitraan yang menghasilkan gambaranpotongan lintang suatu objek.
diaplikasikan dalam bidang medis (mendiagnosa dantreatment), biologi, geografi, astronomi, arkeologi, industri dll.
Kata kunci matematika: Transformasi Radon, TransformasiFourier, Regularisasi SVD, Regularisasi Tikhonov.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
DeskripsiKajian Teori
Teori Dasar
Tomografi?
diturunkan dari kata yunani tomos (potongan) dan graphein(gambar).
merupakan teknik pencitraan yang menghasilkan gambaranpotongan lintang suatu objek.
diaplikasikan dalam bidang medis (mendiagnosa dantreatment), biologi, geografi, astronomi, arkeologi, industri dll.
Kata kunci matematika: Transformasi Radon, TransformasiFourier, Regularisasi SVD, Regularisasi Tikhonov.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
DeskripsiKajian Teori
Teori Dasar
Tomografi?
diturunkan dari kata yunani tomos (potongan) dan graphein(gambar).
merupakan teknik pencitraan yang menghasilkan gambaranpotongan lintang suatu objek.
diaplikasikan dalam bidang medis (mendiagnosa dantreatment), biologi, geografi, astronomi, arkeologi, industri dll.
Kata kunci matematika: Transformasi Radon, TransformasiFourier, Regularisasi SVD, Regularisasi Tikhonov.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
DeskripsiKajian Teori
Teori Dasar
Tomografi?
diturunkan dari kata yunani tomos (potongan) dan graphein(gambar).
merupakan teknik pencitraan yang menghasilkan gambaranpotongan lintang suatu objek.
diaplikasikan dalam bidang medis (mendiagnosa dantreatment), biologi, geografi, astronomi, arkeologi, industri dll.
Kata kunci matematika: Transformasi Radon, TransformasiFourier, Regularisasi SVD, Regularisasi Tikhonov.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
DeskripsiKajian Teori
Teori Dasar
Contoh aplikasi dalam bidang medis
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
DeskripsiKajian Teori
Teori Dasar
Pencitraan tomografi?Tomografi merupakan teknik pencitraan yang menghasilkangambaran potongan lintang suatu objek melalui pengolaanterhadap sinyal proyeksi trans-aksial dari objek tersebut. Sinyalproyeksi trans-aksial diperoleh dengan cara memberikan radiasiterhadap obyek dalam berbagai sudut orientasi.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon
Transformasi Radon merepresentasikan citra sebagaikumpulan sinyal 1D hasil proyeksi citra tersebut pada berbagaisudut orientasi.
Transformasi Radon dari suatu citra pada sumbu proyeksidinyatakan sebagai integral garis dari fungsi representasi citraf (x , y) pada arah yang tegak lurus dengan sumbu proyeksinya.
Hasil transformasi Radon dalam domain transformasidinyatakan sebagai sinyal Pθ(r), dimana r merupakan jaraktitik yang di transformasikan terhadap titik pusat koordinatcitra asal, dan θ merupakan sudut orientasi proyeksi
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon
Transformasi Radon merepresentasikan citra sebagaikumpulan sinyal 1D hasil proyeksi citra tersebut pada berbagaisudut orientasi.
Transformasi Radon dari suatu citra pada sumbu proyeksidinyatakan sebagai integral garis dari fungsi representasi citraf (x , y) pada arah yang tegak lurus dengan sumbu proyeksinya.
Hasil transformasi Radon dalam domain transformasidinyatakan sebagai sinyal Pθ(r), dimana r merupakan jaraktitik yang di transformasikan terhadap titik pusat koordinatcitra asal, dan θ merupakan sudut orientasi proyeksi
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon
Transformasi Radon merepresentasikan citra sebagaikumpulan sinyal 1D hasil proyeksi citra tersebut pada berbagaisudut orientasi.
Transformasi Radon dari suatu citra pada sumbu proyeksidinyatakan sebagai integral garis dari fungsi representasi citraf (x , y) pada arah yang tegak lurus dengan sumbu proyeksinya.
Hasil transformasi Radon dalam domain transformasidinyatakan sebagai sinyal Pθ(r), dimana r merupakan jaraktitik yang di transformasikan terhadap titik pusat koordinatcitra asal, dan θ merupakan sudut orientasi proyeksi
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon
Transformasi Radon merepresentasikan citra sebagaikumpulan sinyal 1D hasil proyeksi citra tersebut pada berbagaisudut orientasi.
Transformasi Radon dari suatu citra pada sumbu proyeksidinyatakan sebagai integral garis dari fungsi representasi citraf (x , y) pada arah yang tegak lurus dengan sumbu proyeksinya.
Hasil transformasi Radon dalam domain transformasidinyatakan sebagai sinyal Pθ(r), dimana r merupakan jaraktitik yang di transformasikan terhadap titik pusat koordinatcitra asal, dan θ merupakan sudut orientasi proyeksi
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon
Ilustrasi transformasi Radon dalam koordinat asal kartesian
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon
Fungsi Pθ(r) dikenal sebagai tansformasi Radon dari fungsi f (x , y).Pθ(r) =
∫`(θ,r)garis
f (x , y)d`
Pθ(r) =∞∫−∞
∞∫−∞
f (x , y)∂(x cos θ + y sin θ − r)dxdy
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon
Dalam image processing toolbox Matlab, transformasi Radondapat dilakukan dengan memanggil fungsi berikut:
[R,xp]=radon(I,theta)
dimana R = hasil transformasi Radon terhadap citra asal I, padajangkauan orientasi arah theta dan jangkauan lebar daerahproyeksi pada koordinat transformasi xp.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon
Berikut code simulasi transformasi Radon terhadap gambarsegitiga yang diambil dari fungsi tomo.m menggunakan Matlab:
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon
Hasil transformasi Radon pada citra segitiga.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Invers transformasi Radon merepresentasikan citra asal.
Invers tansformasi Radon diperoleh dari teorema irisanproyeksi.
Invers tansformasi Radon terdiri dari 2 tahapan, yaitu:1. proyeksi balik.2. Konvolusi Proyeksi balik.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Invers transformasi Radon merepresentasikan citra asal.
Invers tansformasi Radon diperoleh dari teorema irisanproyeksi.
Invers tansformasi Radon terdiri dari 2 tahapan, yaitu:1. proyeksi balik.2. Konvolusi Proyeksi balik.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Invers transformasi Radon merepresentasikan citra asal.
Invers tansformasi Radon diperoleh dari teorema irisanproyeksi.
Invers tansformasi Radon terdiri dari 2 tahapan, yaitu:
1. proyeksi balik.2. Konvolusi Proyeksi balik.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Invers transformasi Radon merepresentasikan citra asal.
Invers tansformasi Radon diperoleh dari teorema irisanproyeksi.
Invers tansformasi Radon terdiri dari 2 tahapan, yaitu:1. proyeksi balik.
2. Konvolusi Proyeksi balik.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Invers transformasi Radon merepresentasikan citra asal.
Invers tansformasi Radon diperoleh dari teorema irisanproyeksi.
Invers tansformasi Radon terdiri dari 2 tahapan, yaitu:1. proyeksi balik.2. Konvolusi Proyeksi balik.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Teorema irisan proyeksi
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Bukti:Definisi transformasi Fourier 1-dimensi dari Pθ(r)
Pθ(ρ) =∞∫−∞
Pθ(r)e−2jπρrdr
Substitusikan Pθ =∞∫−∞
∞∫−∞
f (x , y)∂(x cos θ + y sin θ − r)dxdy(r).
Pθ(ρ) =∞∫−∞
e−2jπρr∞∫−∞
∞∫−∞
f (x , y)∂(x cos θ + y sin θ − r)dxdydr
Pθ(ρ) =∞∫−∞
∞∫−∞
∞∫−∞
f (x , y)e−2jπρr∂(x cos θ + y sin θ − r)dxdydr
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Bukti:Definisi transformasi Fourier 1-dimensi dari Pθ(r)
Pθ(ρ) =∞∫−∞
Pθ(r)e−2jπρrdr
Substitusikan Pθ =∞∫−∞
∞∫−∞
f (x , y)∂(x cos θ + y sin θ − r)dxdy(r).
Pθ(ρ) =∞∫−∞
e−2jπρr∞∫−∞
∞∫−∞
f (x , y)∂(x cos θ + y sin θ − r)dxdydr
Pθ(ρ) =∞∫−∞
∞∫−∞
∞∫−∞
f (x , y)e−2jπρr∂(x cos θ + y sin θ − r)dxdydr
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Bukti:Definisi transformasi Fourier 1-dimensi dari Pθ(r)
Pθ(ρ) =∞∫−∞
Pθ(r)e−2jπρrdr
Substitusikan Pθ =∞∫−∞
∞∫−∞
f (x , y)∂(x cos θ + y sin θ − r)dxdy(r).
Pθ(ρ) =∞∫−∞
e−2jπρr∞∫−∞
∞∫−∞
f (x , y)∂(x cos θ + y sin θ − r)dxdydr
Pθ(ρ) =∞∫−∞
∞∫−∞
∞∫−∞
f (x , y)e−2jπρr∂(x cos θ + y sin θ − r)dxdydr
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Bukti:Definisi transformasi Fourier 1-dimensi dari Pθ(r)
Pθ(ρ) =∞∫−∞
Pθ(r)e−2jπρrdr
Substitusikan Pθ =∞∫−∞
∞∫−∞
f (x , y)∂(x cos θ + y sin θ − r)dxdy(r).
Pθ(ρ) =∞∫−∞
e−2jπρr∞∫−∞
∞∫−∞
f (x , y)∂(x cos θ + y sin θ − r)dxdydr
Pθ(ρ) =∞∫−∞
∞∫−∞
∞∫−∞
f (x , y)e−2jπρr∂(x cos θ + y sin θ − r)dxdydr
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Bukti:Definisi transformasi Fourier 1-dimensi dari Pθ(r)
Pθ(ρ) =∞∫−∞
Pθ(r)e−2jπρrdr
Substitusikan Pθ =∞∫−∞
∞∫−∞
f (x , y)∂(x cos θ + y sin θ − r)dxdy(r).
Pθ(ρ) =∞∫−∞
e−2jπρr∞∫−∞
∞∫−∞
f (x , y)∂(x cos θ + y sin θ − r)dxdydr
Pθ(ρ) =∞∫−∞
∞∫−∞
∞∫−∞
f (x , y)e−2jπρr∂(x cos θ + y sin θ − r)dxdydr
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Bukti:Menggunakan sifat fumgsi delta Dirac, diperoleh
Pθ(ρ) =∞∫−∞
∞∫−∞
f (x , y)e−2jπρ(x cos θ+y sin θ)dxdy
Pθ(ρ) =∞∫−∞
∞∫−∞
f (x , y)e−2jπ(xρ cos θ+yρ sin θ)dxdy
Pθ(ρ) = F (ρcosθ + ρsinθ)dengan F adalah tranformasi Fourier 2-dimensi dari f (x , y) dalambentuk polar.Bukti selesai.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Bukti:Menggunakan sifat fumgsi delta Dirac, diperoleh
Pθ(ρ) =∞∫−∞
∞∫−∞
f (x , y)e−2jπρ(x cos θ+y sin θ)dxdy
Pθ(ρ) =∞∫−∞
∞∫−∞
f (x , y)e−2jπ(xρ cos θ+yρ sin θ)dxdy
Pθ(ρ) = F (ρcosθ + ρsinθ)dengan F adalah tranformasi Fourier 2-dimensi dari f (x , y) dalambentuk polar.Bukti selesai.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Bukti:Menggunakan sifat fumgsi delta Dirac, diperoleh
Pθ(ρ) =∞∫−∞
∞∫−∞
f (x , y)e−2jπρ(x cos θ+y sin θ)dxdy
Pθ(ρ) =∞∫−∞
∞∫−∞
f (x , y)e−2jπ(xρ cos θ+yρ sin θ)dxdy
Pθ(ρ) = F (ρcosθ + ρsinθ)
dengan F adalah tranformasi Fourier 2-dimensi dari f (x , y) dalambentuk polar.Bukti selesai.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Bukti:Menggunakan sifat fumgsi delta Dirac, diperoleh
Pθ(ρ) =∞∫−∞
∞∫−∞
f (x , y)e−2jπρ(x cos θ+y sin θ)dxdy
Pθ(ρ) =∞∫−∞
∞∫−∞
f (x , y)e−2jπ(xρ cos θ+yρ sin θ)dxdy
Pθ(ρ) = F (ρcosθ + ρsinθ)dengan F adalah tranformasi Fourier 2-dimensi dari f (x , y) dalambentuk polar.Bukti selesai.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Menghitung Pθ(r)
Dari ini, kita hitung Pθ(ρ) =tranformasi Fourier 1-dimensi{Pθ(r)}Kemudian kita ambil invers tranformasi Fourier 2-dimensi kebentuk f (x , y)Masalah : ini membutuhkan konversi bentuk polar ke bentukpersegiSolusi : Konvolusi proyeksi balik.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Menghitung Pθ(r)
Dari ini, kita hitung Pθ(ρ) =tranformasi Fourier 1-dimensi{Pθ(r)}
Kemudian kita ambil invers tranformasi Fourier 2-dimensi kebentuk f (x , y)Masalah : ini membutuhkan konversi bentuk polar ke bentukpersegiSolusi : Konvolusi proyeksi balik.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Menghitung Pθ(r)
Dari ini, kita hitung Pθ(ρ) =tranformasi Fourier 1-dimensi{Pθ(r)}Kemudian kita ambil invers tranformasi Fourier 2-dimensi kebentuk f (x , y)
Masalah : ini membutuhkan konversi bentuk polar ke bentukpersegiSolusi : Konvolusi proyeksi balik.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Menghitung Pθ(r)
Dari ini, kita hitung Pθ(ρ) =tranformasi Fourier 1-dimensi{Pθ(r)}Kemudian kita ambil invers tranformasi Fourier 2-dimensi kebentuk f (x , y)Masalah : ini membutuhkan konversi bentuk polar ke bentukpersegi
Solusi : Konvolusi proyeksi balik.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Menghitung Pθ(r)
Dari ini, kita hitung Pθ(ρ) =tranformasi Fourier 1-dimensi{Pθ(r)}Kemudian kita ambil invers tranformasi Fourier 2-dimensi kebentuk f (x , y)Masalah : ini membutuhkan konversi bentuk polar ke bentukpersegiSolusi : Konvolusi proyeksi balik.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Untuk menghitung invers tranformasi Fourier 2-dimensi dariF (u, v) di koordinat polar, harus menggunakan Jacobian daritransformasi koordinat polar
dudv = |ρ|dθdρ
sehingga
f (x , y) =∞∫−∞
∞∫−∞
F (u, v)e2πj(xu+yv)dudv
f (x , y) =∞∫−∞
π∫0
Pθ(ρ)e2πj(xρcosθ+yρsinθ)|ρ|dθdρ
f (x , y) =π∫0
[∞∫−∞|ρ|Pθ(ρ)e2πjρ(xcosθ+ysinθ)dρ]dθ
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Untuk menghitung invers tranformasi Fourier 2-dimensi dariF (u, v) di koordinat polar, harus menggunakan Jacobian daritransformasi koordinat polar
dudv = |ρ|dθdρ
sehingga
f (x , y) =∞∫−∞
∞∫−∞
F (u, v)e2πj(xu+yv)dudv
f (x , y) =∞∫−∞
π∫0
Pθ(ρ)e2πj(xρcosθ+yρsinθ)|ρ|dθdρ
f (x , y) =π∫0
[∞∫−∞|ρ|Pθ(ρ)e2πjρ(xcosθ+ysinθ)dρ]dθ
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Untuk menghitung invers tranformasi Fourier 2-dimensi dariF (u, v) di koordinat polar, harus menggunakan Jacobian daritransformasi koordinat polar
dudv = |ρ|dθdρ
sehingga
f (x , y) =∞∫−∞
∞∫−∞
F (u, v)e2πj(xu+yv)dudv
f (x , y) =∞∫−∞
π∫0
Pθ(ρ)e2πj(xρcosθ+yρsinθ)|ρ|dθdρ
f (x , y) =π∫0
[∞∫−∞|ρ|Pθ(ρ)e2πjρ(xcosθ+ysinθ)dρ]dθ
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
maka gθ(t) diberikan sebagai
gθ(t) =∞∫−∞|ρ|Pθ(ρ)e2πjρtdρ
gθ(t) = invers transformasi Fourier 2-dimensi {|ρ|Pθ(ρ)}gθ(t) = h(t) ∗ Pθ(r)
dengan h(t) = invers transformasi Fourier 2-dimensi {|ρ|}
f (x , y) =π∫0
gθ(xcosθ + ysinθ)dθ
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
maka gθ(t) diberikan sebagai
gθ(t) =∞∫−∞|ρ|Pθ(ρ)e2πjρtdρ
gθ(t) = invers transformasi Fourier 2-dimensi {|ρ|Pθ(ρ)}gθ(t) = h(t) ∗ Pθ(r)
dengan h(t) = invers transformasi Fourier 2-dimensi {|ρ|}
f (x , y) =π∫0
gθ(xcosθ + ysinθ)dθ
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
maka gθ(t) diberikan sebagai
gθ(t) =∞∫−∞|ρ|Pθ(ρ)e2πjρtdρ
gθ(t) = invers transformasi Fourier 2-dimensi {|ρ|Pθ(ρ)}
gθ(t) = h(t) ∗ Pθ(r)
dengan h(t) = invers transformasi Fourier 2-dimensi {|ρ|}
f (x , y) =π∫0
gθ(xcosθ + ysinθ)dθ
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
maka gθ(t) diberikan sebagai
gθ(t) =∞∫−∞|ρ|Pθ(ρ)e2πjρtdρ
gθ(t) = invers transformasi Fourier 2-dimensi {|ρ|Pθ(ρ)}gθ(t) = h(t) ∗ Pθ(r)
dengan h(t) = invers transformasi Fourier 2-dimensi {|ρ|}
f (x , y) =π∫0
gθ(xcosθ + ysinθ)dθ
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
maka gθ(t) diberikan sebagai
gθ(t) =∞∫−∞|ρ|Pθ(ρ)e2πjρtdρ
gθ(t) = invers transformasi Fourier 2-dimensi {|ρ|Pθ(ρ)}gθ(t) = h(t) ∗ Pθ(r)
dengan h(t) = invers transformasi Fourier 2-dimensi {|ρ|}
f (x , y) =π∫0
gθ(xcosθ + ysinθ)dθ
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
maka gθ(t) diberikan sebagai
gθ(t) =∞∫−∞|ρ|Pθ(ρ)e2πjρtdρ
gθ(t) = invers transformasi Fourier 2-dimensi {|ρ|Pθ(ρ)}gθ(t) = h(t) ∗ Pθ(r)
dengan h(t) = invers transformasi Fourier 2-dimensi {|ρ|}
f (x , y) =π∫0
gθ(xcosθ + ysinθ)dθ
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
maka gθ(t) diberikan sebagai
gθ(t) =∞∫−∞|ρ|Pθ(ρ)e2πjρtdρ
gθ(t) = invers transformasi Fourier 2-dimensi {|ρ|Pθ(ρ)}gθ(t) = h(t) ∗ Pθ(r)
dengan h(t) = invers transformasi Fourier 2-dimensi {|ρ|}
f (x , y) =π∫0
gθ(xcosθ + ysinθ)dθ
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Karena telah diperoleh hubungan proyeksi fungsi citra dengancitranya, maka dengan mudah dapat menulis porgramperekonstruksian.Berikut code simulasi transformasi Radon invers menggunakanMatlab:(ilustrasi code sebagai lanjutan code transformasi Radonsebelumnya)
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Transformasi Radon Invers
Hasil transformasi Radon invers (citra segitiga).
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Hasil masalah maju merepresentasikan citra sebagaikumpulansinyal 1D hasil proyeksi citra tersebut pada berbagaigaris orientasi.
Hasil masalah maju dari suatu citra pada sumbu proyeksidinyatakan sebagai integral garis dari fungsi representasi citraf (x , y) pada arah yang tegak lurus dengan sumbu proyeksinya.
Hasil masalah maju dinyatakan sebagai sinyal b.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Hasil masalah maju merepresentasikan citra sebagaikumpulansinyal 1D hasil proyeksi citra tersebut pada berbagaigaris orientasi.
Hasil masalah maju dari suatu citra pada sumbu proyeksidinyatakan sebagai integral garis dari fungsi representasi citraf (x , y) pada arah yang tegak lurus dengan sumbu proyeksinya.
Hasil masalah maju dinyatakan sebagai sinyal b.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Hasil masalah maju merepresentasikan citra sebagaikumpulansinyal 1D hasil proyeksi citra tersebut pada berbagaigaris orientasi.
Hasil masalah maju dari suatu citra pada sumbu proyeksidinyatakan sebagai integral garis dari fungsi representasi citraf (x , y) pada arah yang tegak lurus dengan sumbu proyeksinya.
Hasil masalah maju dinyatakan sebagai sinyal b.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Hasil masalah maju merepresentasikan citra sebagaikumpulansinyal 1D hasil proyeksi citra tersebut pada berbagaigaris orientasi.
Hasil masalah maju dari suatu citra pada sumbu proyeksidinyatakan sebagai integral garis dari fungsi representasi citraf (x , y) pada arah yang tegak lurus dengan sumbu proyeksinya.
Hasil masalah maju dinyatakan sebagai sinyal b.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Dalam tomografy 2D, fungsi yg direkontruksi adalah
f : [0,N]x [0,N]→ Rf (t) = f (t1, t2)maka model masalah ini, pada observasi ke-i, adalah integlalsepanjang garis
bi =N∫0
f (ti (τ)) dτ dengan `(r , θ) = {t : t = t ′ + rd}
dengan d adalah vektor satuan yg memilliki sudut polar θ
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Dalam tomografy 2D, fungsi yg direkontruksi adalahf : [0,N]x [0,N]→ R
f (t) = f (t1, t2)maka model masalah ini, pada observasi ke-i, adalah integlalsepanjang garis
bi =N∫0
f (ti (τ)) dτ dengan `(r , θ) = {t : t = t ′ + rd}
dengan d adalah vektor satuan yg memilliki sudut polar θ
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Dalam tomografy 2D, fungsi yg direkontruksi adalahf : [0,N]x [0,N]→ Rf (t) = f (t1, t2)
maka model masalah ini, pada observasi ke-i, adalah integlalsepanjang garis
bi =N∫0
f (ti (τ)) dτ dengan `(r , θ) = {t : t = t ′ + rd}
dengan d adalah vektor satuan yg memilliki sudut polar θ
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Dalam tomografy 2D, fungsi yg direkontruksi adalahf : [0,N]x [0,N]→ Rf (t) = f (t1, t2)maka model masalah ini, pada observasi ke-i, adalah integlalsepanjang garis
bi =N∫0
f (ti (τ)) dτ dengan `(r , θ) = {t : t = t ′ + rd}
dengan d adalah vektor satuan yg memilliki sudut polar θ
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Dalam tomografy 2D, fungsi yg direkontruksi adalahf : [0,N]x [0,N]→ Rf (t) = f (t1, t2)maka model masalah ini, pada observasi ke-i, adalah integlalsepanjang garis
bi =N∫0
f (ti (τ)) dτ dengan `(r , θ) = {t : t = t ′ + rd}
dengan d adalah vektor satuan yg memilliki sudut polar θ
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Dalam tomografy 2D, fungsi yg direkontruksi adalahf : [0,N]x [0,N]→ Rf (t) = f (t1, t2)maka model masalah ini, pada observasi ke-i, adalah integlalsepanjang garis
bi =N∫0
f (ti (τ)) dτ dengan `(r , θ) = {t : t = t ′ + rd}
dengan d adalah vektor satuan yg memilliki sudut polar θ
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Dalam tomografy 2D, fungsi yg direkontruksi adalahf : [0,N]x [0,N]→ Rf (t) = f (t1, t2)maka model masalah ini, pada observasi ke-i, adalah integlalsepanjang garis
bi =N∫0
f (ti (τ)) dτ dengan `(r , θ) = {t : t = t ′ + rd}
dengan d adalah vektor satuan yg memilliki sudut polar θ
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Cara pendiskritisasian dengan membagi domain ke dalam N2 .
Asumsikan fungsi f (t) bernilai konstan fklf (t) = fkl untuk t1εIk , t2εIldengan k = 1, ...,NIk = [k − 1, k]
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Cara pendiskritisasian dengan membagi domain ke dalam N2 .Asumsikan fungsi f (t) bernilai konstan fkl
f (t) = fkl untuk t1εIk , t2εIldengan k = 1, ...,NIk = [k − 1, k]
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Cara pendiskritisasian dengan membagi domain ke dalam N2 .Asumsikan fungsi f (t) bernilai konstan fklf (t) = fkl untuk t1εIk , t2εIl
dengan k = 1, ...,NIk = [k − 1, k]
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Cara pendiskritisasian dengan membagi domain ke dalam N2 .Asumsikan fungsi f (t) bernilai konstan fklf (t) = fkl untuk t1εIk , t2εIldengan k = 1, ...,N
Ik = [k − 1, k]
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Cara pendiskritisasian dengan membagi domain ke dalam N2 .Asumsikan fungsi f (t) bernilai konstan fklf (t) = fkl untuk t1εIk , t2εIldengan k = 1, ...,NIk = [k − 1, k]
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Sehingga
bi =N∫0
f (ti (τ)) dτ
Karena Datany Diskrit, maka menjadibi =
∑(k,l)ε`(r ,θ) fkl∆Lkl
dengan ∆Lkl adalah panjang sinar di pixel (k, l)
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Sehingga
bi =N∫0
f (ti (τ)) dτ
Karena Datany Diskrit, maka menjadibi =
∑(k,l)ε`(r ,θ) fkl∆Lkl
dengan ∆Lkl adalah panjang sinar di pixel (k, l)
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Sehingga
bi =N∫0
f (ti (τ)) dτ
Karena Datany Diskrit, maka menjadi
bi =∑
(k,l)ε`(r ,θ) fkl∆Lkldengan ∆Lkl adalah panjang sinar di pixel (k, l)
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Sehingga
bi =N∫0
f (ti (τ)) dτ
Karena Datany Diskrit, maka menjadibi =
∑(k,l)ε`(r ,θ) fkl∆Lkl
dengan ∆Lkl adalah panjang sinar di pixel (k, l)
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Sehingga
bi =N∫0
f (ti (τ)) dτ
Karena Datany Diskrit, maka menjadibi =
∑(k,l)ε`(r ,θ) fkl∆Lkl
dengan ∆Lkl adalah panjang sinar di pixel (k, l)
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Sehingga
bi =N∫0
f (ti (τ)) dτ
Karena Datany Diskrit, maka menjadibi =
∑(k,l)ε`(r ,θ) fkl∆Lkl
dengan ∆Lkl adalah panjang sinar di pixel (k, l)
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Persamaan di atas adalah sistem persamaan linear di N2 dngan fkltak diketahui.
Misalxj = fkl , j = (l − 1)N + kmaka sistem persamaan menjadibi = Σj=1aijxijdengan
aij =
{∆Likl , jika (k , l)εL(r , ϕ)
0 , jika Lainnya
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Persamaan di atas adalah sistem persamaan linear di N2 dngan fkltak diketahui.Misal
xj = fkl , j = (l − 1)N + kmaka sistem persamaan menjadibi = Σj=1aijxijdengan
aij =
{∆Likl , jika (k , l)εL(r , ϕ)
0 , jika Lainnya
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Persamaan di atas adalah sistem persamaan linear di N2 dngan fkltak diketahui.Misalxj = fkl , j = (l − 1)N + k
maka sistem persamaan menjadibi = Σj=1aijxijdengan
aij =
{∆Likl , jika (k , l)εL(r , ϕ)
0 , jika Lainnya
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Persamaan di atas adalah sistem persamaan linear di N2 dngan fkltak diketahui.Misalxj = fkl , j = (l − 1)N + kmaka sistem persamaan menjadi
bi = Σj=1aijxijdengan
aij =
{∆Likl , jika (k , l)εL(r , ϕ)
0 , jika Lainnya
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Persamaan di atas adalah sistem persamaan linear di N2 dngan fkltak diketahui.Misalxj = fkl , j = (l − 1)N + kmaka sistem persamaan menjadibi = Σj=1aijxij
dengan
aij =
{∆Likl , jika (k , l)εL(r , ϕ)
0 , jika Lainnya
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Persamaan di atas adalah sistem persamaan linear di N2 dngan fkltak diketahui.Misalxj = fkl , j = (l − 1)N + kmaka sistem persamaan menjadibi = Σj=1aijxijdengan
aij =
{∆Likl , jika (k , l)εL(r , ϕ)
0 , jika Lainnya
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Persamaan di atas adalah sistem persamaan linear di N2 dngan fkltak diketahui.Misalxj = fkl , j = (l − 1)N + kmaka sistem persamaan menjadibi = Σj=1aijxijdengan
aij =
{∆Likl , jika (k , l)εL(r , ϕ)
0 , jika Lainnya
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Dalam software regularisasi Matlab, masalah maju tersebet dapatdilakukan dengan memanggil fungsi berikut:
[A,x,b]=tomo(N,f)
dimana A,x,b,N seperti yang didefinisikan di atas.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Berikut code simulasi masalah maju regularisasi terhadap gambarsegitiga P menggunakan Matlab:
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Maju Regularisasi
Hasil masalah maju pada citra segitiga.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Mundur Regularisasi SVD
Masalah mundur adalah Diketahui A, b diketahui dan xditanya sedemikian hingga Ax = b.
Jika A memiliki invers, maka x = A−1b dengan A−1 adalahinvers A
Tetapi det(A)=0 sehingga A tak punya invers
Maka dicari estimasi xreg yang menyebabkan |Axreg − b|minimal. Sehingga menghasilkan ATAxreg = ATb
jika ATA punya invers maka estimasi xreg =(ATA
)−1ATb
yang dikenal sebagai regularisasi SVD
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Mundur Regularisasi SVD
Masalah mundur adalah Diketahui A, b diketahui dan xditanya sedemikian hingga Ax = b.
Jika A memiliki invers, maka x = A−1b dengan A−1 adalahinvers A
Tetapi det(A)=0 sehingga A tak punya invers
Maka dicari estimasi xreg yang menyebabkan |Axreg − b|minimal. Sehingga menghasilkan ATAxreg = ATb
jika ATA punya invers maka estimasi xreg =(ATA
)−1ATb
yang dikenal sebagai regularisasi SVD
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Mundur Regularisasi SVD
Masalah mundur adalah Diketahui A, b diketahui dan xditanya sedemikian hingga Ax = b.
Jika A memiliki invers, maka x = A−1b dengan A−1 adalahinvers A
Tetapi det(A)=0 sehingga A tak punya invers
Maka dicari estimasi xreg yang menyebabkan |Axreg − b|minimal. Sehingga menghasilkan ATAxreg = ATb
jika ATA punya invers maka estimasi xreg =(ATA
)−1ATb
yang dikenal sebagai regularisasi SVD
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Mundur Regularisasi SVD
Masalah mundur adalah Diketahui A, b diketahui dan xditanya sedemikian hingga Ax = b.
Jika A memiliki invers, maka x = A−1b dengan A−1 adalahinvers A
Tetapi det(A)=0 sehingga A tak punya invers
Maka dicari estimasi xreg yang menyebabkan |Axreg − b|minimal. Sehingga menghasilkan ATAxreg = ATb
jika ATA punya invers maka estimasi xreg =(ATA
)−1ATb
yang dikenal sebagai regularisasi SVD
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Mundur Regularisasi SVD
Regularisasi SVD.Formula regularisasi SVD adalah sebagai berikut:
xreg =∑ 〈b,Axi 〉xi
µidengan µi adalah nilai singular ke-i dan xi adalah xi adalah vektoreigen orthonormal yang berkorespondensi dengan µi .
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Mundur Regularisasi SVD
Hasil pencitraan segitiga menggunakan reguralisasi SVD tidakberhasil
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Mundur Regularisasi SVD
Q.: Apa yang bisa dilakukan?
A.: Pemotongan nilai singular, karena melihat interval nilaisingular dari matriks A
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Mundur Regularisasi SVD
Q.: Apa yang bisa dilakukan?
A.: Pemotongan nilai singular, karena melihat interval nilaisingular dari matriks A
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Mundur Regularisasi SVD
Q.: Dari tabel nilai singular matriks A
A.: sehingga dilakukan pemotongan nilai singular
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Mundur Regularisasi SVD
Q.: Dari tabel nilai singular matriks A
A.: sehingga dilakukan pemotongan nilai singular
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Mundur Regularisasi SVD
hasil rekontruksi menggunakan reguralisasi SVD dengan memotong3 nilai singular kurang berhasil
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Mundur Regularisasi Tikhonov
Hal tersebut terjadi karena Nilai singular A sangat kecil, yangmengakibatkan xreg besar.
Sehingga dimasukkan regulator α, sehingga pendekatan xtikhadalah
xtikh =(ATA + αI
)−1ATb, yang dikenal sebagai regularisasi
Tikhonov
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Mundur Regularisasi Tikhonov
Hal tersebut terjadi karena Nilai singular A sangat kecil, yangmengakibatkan xreg besar.
Sehingga dimasukkan regulator α, sehingga pendekatan xtikhadalahxtikh =
(ATA + αI
)−1ATb, yang dikenal sebagai regularisasi
Tikhonov
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Mundur Regularisasi Tikhonov
Regularisasi Tikhonov.Formula regularisasi Tikhonov adalah sebagai berikut:
xtikh =∑ µi 〈b,Axi 〉xi
α + (µi )2
dengan α adalah regulator, µi adalah nilai singular ke-i dan xiadalah xi adalah vektor eigen orthonormal yang berkorespondensidengan µi .
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Mundur Regularisasi Tikhonov
Mencari regulator terbaik dengan memperhatikan L-curve
L-curve adalah kurva yang mengiterasikan regulatorα sehinggameminimalisasikan |Ax − b|2 dan |x |2
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Mundur Regularisasi Tikhonov
Mencari regulator terbaik dengan memperhatikan L-curveL-curve adalah kurva yang mengiterasikan regulatorα sehinggameminimalisasikan |Ax − b|2 dan |x |2
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Mundur Regularisasi Tikhonov
Mencari regulator terbaik dengan memperhatikan L-curveL-curve adalah kurva yang mengiterasikan regulatorα sehinggameminimalisasikan |Ax − b|2 dan |x |2
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Mundur Regularisasi Tikhonov
Perhatikan L-curve
diperoleh error minimal untuk regulator=4.5805e−06.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Mundur Regularisasi Tikhonov
Perhatikan L-curve
diperoleh error minimal untuk regulator=4.5805e−06.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Mundur Regularisasi Tikhonov
Perhatikan L-curve
diperoleh error minimal untuk regulator=4.5805e−06.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Masalah Mundur Regularisasi Tikhonov
Hasil rekontruksi menggunakan reguralisasi Tikhonov
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Perbandingan Metode
Figure: hasil invers transformasi Radon
Figure: hasil regularisasi Tikhonov α = 4.5805e−06
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Perbandingan Metode
Akan dibandingkan hasil pencitraan tomografi menggunakanmetode transformasi Radon invers dengan metode regularisasi.
Dari hasil gambar terlihat pencitraan tomografi menggunakanmetode transformasi Radon invers lebih baik dari pada metoderegularisasi. Hal ini karena transformasi Radon merupakanpendekatan langsung terhadap permasalahan pencitraantomografi. .
Namun harus dibuktikan juga secara matematik, yaitu denganmecari nilai error masing-masing metode.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Perbandingan Metode
Akan dibandingkan hasil pencitraan tomografi menggunakanmetode transformasi Radon invers dengan metode regularisasi.
Dari hasil gambar terlihat pencitraan tomografi menggunakanmetode transformasi Radon invers lebih baik dari pada metoderegularisasi. Hal ini karena transformasi Radon merupakanpendekatan langsung terhadap permasalahan pencitraantomografi. .
Namun harus dibuktikan juga secara matematik, yaitu denganmecari nilai error masing-masing metode.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Perbandingan Metode
Akan dibandingkan hasil pencitraan tomografi menggunakanmetode transformasi Radon invers dengan metode regularisasi.
Dari hasil gambar terlihat pencitraan tomografi menggunakanmetode transformasi Radon invers lebih baik dari pada metoderegularisasi. Hal ini karena transformasi Radon merupakanpendekatan langsung terhadap permasalahan pencitraantomografi. .
Namun harus dibuktikan juga secara matematik, yaitu denganmecari nilai error masing-masing metode.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Perbandingan Metode
Akan dibandingkan hasil pencitraan tomografi menggunakanmetode transformasi Radon invers dengan metode regularisasi.
Dari hasil gambar terlihat pencitraan tomografi menggunakanmetode transformasi Radon invers lebih baik dari pada metoderegularisasi. Hal ini karena transformasi Radon merupakanpendekatan langsung terhadap permasalahan pencitraantomografi. .
Namun harus dibuktikan juga secara matematik, yaitu denganmecari nilai error masing-masing metode.
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Perbandingan Metode
Hasil error pencitraan tomografi dari masing-metode denganmencari nilai maksimal dari |Xij − X ′ij |, dengan X adalah citraasli, X ′ adalah citra hasil tomografi dan Xij adalah entri Xpada piksel (i , j).
Nilai error metode transformasi Radon invers.ξtransformasiRadon = 1.5442
Nilai error metode regularisasi Tikhonov.ξregularisasiTikhonov = 207.1827
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Perbandingan Metode
Hasil error pencitraan tomografi dari masing-metode denganmencari nilai maksimal dari |Xij − X ′ij |, dengan X adalah citraasli, X ′ adalah citra hasil tomografi dan Xij adalah entri Xpada piksel (i , j).
Nilai error metode transformasi Radon invers.
ξtransformasiRadon = 1.5442
Nilai error metode regularisasi Tikhonov.ξregularisasiTikhonov = 207.1827
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Perbandingan Metode
Hasil error pencitraan tomografi dari masing-metode denganmencari nilai maksimal dari |Xij − X ′ij |, dengan X adalah citraasli, X ′ adalah citra hasil tomografi dan Xij adalah entri Xpada piksel (i , j).
Nilai error metode transformasi Radon invers.ξtransformasiRadon = 1.5442
Nilai error metode regularisasi Tikhonov.
ξregularisasiTikhonov = 207.1827
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
Penutup
Metode transformasi RadonMetode ReguralisasiPerbandingan Metode
Perbandingan Metode
Hasil error pencitraan tomografi dari masing-metode denganmencari nilai maksimal dari |Xij − X ′ij |, dengan X adalah citraasli, X ′ adalah citra hasil tomografi dan Xij adalah entri Xpada piksel (i , j).
Nilai error metode transformasi Radon invers.ξtransformasiRadon = 1.5442
Nilai error metode regularisasi Tikhonov.ξregularisasiTikhonov = 207.1827
Muhammad Jakfar Tomografi di 2D
PendahuluanPembahasan
PenutupKesimpulan
Kesimpulan
Dari hasil diatas diperoleh bahwa untuk menyelesaikan maslahinvers tomografi 2D, selain menggunakan invers transformasiRadon dapat juga menggunakan metode regularisasi.Dan metode regularisasi terbaik untuk menyelesaikan masalahtersebut adalah menggunakan regularisasi tikhonov denganregulator 4.5805e−06. Tapi hasil pencitraan metode regulasi tidaksebaik pencitraan metode transformasi Radon invers.
Muhammad Jakfar Tomografi di 2D