Blind Watermarking Pada Citra Digital Menggunakan Discrete Wavelet Transform (DWT) dan Singular Value Decomposition (SVD).

(1)

BLIND WATERMARKING PADA CITRA DIGITAL

MENGGUNAKAN DISCRETE WAVELET TRANSFORM

(DWT) DAN SINGULAR VALUE DECOMPOSITION (SVD)

Disusun Oleh :

Johansen Valentino (0822062)

Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha. Jl. Prof.Drg.Suria Sumantri, MPH no.65, Bandung 40164, Jawa Barat - Indonesia.

e-mail : valentino.johansen@gmail.com

ABSTRAK

Pada saat ini, penyebaran citra digital di internet dapat dilakukan dengan mudah. Penyebarannya yang sangat mudah ini dapat memungkinkan terjadi pelanggaran hak cipta suatu citra digital. Untuk menghindari terjadinya pelanggaran hak cipta dapat dilakukan dengan pemberian tanda air pada citra digital tersebut atau sering dikenal sebagai watermarking.

Pada tugas akhir ini dibuat blind watermarking berdasarkan Discrete Wavelet Transform (DWT) dan Singular Value Decomposition (SVD). DWT berfungsi untuk dekomposisi citra host menjadi 4 sub-band yaitu LL, LH, HL dan HH, kemudian pada masing-masing sub-band dilakukan SVD. Penyisipan watermark dilakukan pada beberapa nilai singular. Setelah dilakukan penyisipan, pada masing-masing sub-band dilakukan inverse SVD dan kemudian dipulihkan kembali dengan inverse DWT sehingga diperoleh citra terwatermark.

Hasil uji coba menujukkan rata rata nilai MOS dari citra terwatermark berada dalam skala good dan PSNR lebih besar dari 35 dB untuk penyisipan pada nilai singular mulai ke 7 atau 8. Watermark tahan terhadap pemrosesan citra berupa kompresi JPEG (90%), scaling (150%), dan rotasi (90° ke kanan, 90° ke kiri, dan 180°), tetapi tidak tahan terhadap pemrosesan citra berupa median filter (3x3, 5x5,

(2)

ii dan 7x7), scaling (50% dan 75%), dan penambahan noise Gaussian (20%, 40%, dan 60%).

Kata Kunci : blind watermarking, discrete wavelet transform, singular value decomposition.

(3)

iii

BLIND WATERMARKING ON DIGITAL IMAGE USING

DISCRETE WAVELET TRANSFORM (DWT) AND SINGULAR

VALUE DECOMPOSITION (SVD)

Composed by :

Johansen Valentino (0822062)

Department of Electrical Engineering Faculty of Engineering, Maranatha Christian University

Prof. drg. Suria Sumantri, MPH 65, Bandung, West Java – Indonesia E-mail : valentino.johansen@gmail.com

ABSTRACT

At this time, deployment of digital image over the internet could happen easily. This can lead to infringement of copyright. To avoid that kind of infringement can be done with embedding a watermark on the digital image, or commonly known as watermarking.

This final project is made blind watermarking based on the Discrete Wavelet Transform (DWT) and Singular Value Decomposition (SVD). DWT is used to decompose host image into four sub-band, that are LL, LH, HL and HH, then in each sub-band is performed SVD. Watermark is embedded on some singular value. After embbeding process, in each sub-band is performed inverse SVD and then inverse DWT to obtain watermarked image.

The test case results showed the average MOS value of watermarked images are in good scale and PSNR greater than 35 dB for embbeding start on 7th or 8th singular value. Watermark is resistant to image processing such as JPEG compression (90%), scaling (150%), and rotation (90° CW, 90° CCW, and 180°), but is not resistant to image processing such as median filtering (3x3, 5x5, dan 7x7), scaling (50% and 75%) and noise Gaussian (20%, 40%, and 60%).

(4)

iv Keywords : blind watermarking, discrete wavelet transform, singular value

(5)

vii DAFTAR ISI

Halaman

ABSTRAK ... ... i

ABSTRACT ... iii

KATA PENGANTAR ... v

DAFTAR ISI ... vii

DAFTAR TABEL ... x

DAFTAR GAMBAR ... xi

BAB I PENDAHULUAN 1.1.Latar Belakang ... 1

1.2.Perumusan Masalah ... 1

1.3.Tujuan Penelitian ... 2

1.4.Pembatasan Masalah ... 2

1.5.Metodologi ... 2

BAB II LANDASAN TEORI 2.1. Pengertian Citra Digital ... 3

2.2. Watermarking ... 4

2.2.1. Digital Watermarking ... 4

2.2.2. Karakteristik Digital Watermaking ... 5

2.2.3. Klasifikasi Teknik Digital Watermarking ... 6

2.3. Discrete Wavelet Transform (DWT) ... 6

2.4. Singular Value Decomposition (SVD)... 7

(6)

viii

2.6. Mean Opinion Score (MOS) ... 9

2.7. Normalized Corelation (NC) ... 10

BAB III PERANCANGAN PERANGKAT LUNAK 3.1Diagram Blok Proses Penyisipan Watermark ... 11

3.2Diagram Blok proses Ekstraksi Watermark ... 13

3.3Diagram Alir Proses Penyisipan Watermark ... 14

3.4Diagram Alir Proses Ektraksi Watermark ... 18

3.5Perancangan Graphic User Interface (GUI) ... 21

BAB IV DATA PENGAMATAN DAN ANALISA DATA 4.1.Prosedur Pengujian ... 25

4.2.Bentuk Watermark ... 26

4.3.Penyisipan dan Ekstraksi Watermark pada Beberapa Nilai Singular ... 26

4.4.Pengujian Kualitas Citra yang Telah Disisipkan Watermark dan Analisa ... 31

4.5.Pengujian Ketahanan Watermark terhadap Pemrosesan Citra dan Analisa ... 32

4.5.1. Kompresi ... 32

4.5.2. Noise Gaussian ... 33

4.5.3. Scaling ... 33

4.5.4. Median Filter ... 34

4.5.5. Rotate ... 35

BAB V KESIMPULAN dan SARAN 5.1. Kesimpulan ... 36

5.2. Saran ... 36

(7)

ix LAMPIRAN A DATA dan CITRA HASIL PERCOBAAN ... A - 1

LAMPIRAN B DATA MEAN OPINION SCORE (MOS) ... B - 1

(8)

x DAFTAR TABEL

Halaman

Tabel 3.1 Atribut MATLAB pada perancangan perangkat lunak ... 22

Tabel 4.1 Karakteristik citra (host image) ... 25

Tabel 4.2 Watermark yang digunakan ... 26

Tabel 4.3 Nilai PSNR dan NC dari citra Lena.bmp ... 27

Tabel 4.4 Nilai PSNR dan NC dari citra Baboon.bmp ... 28

Tabel 4.5 Nilai PSNR dan NC dari citra Peppers.bmp ... 29

Tabel 4.6 Nilai MOS dan PSNR citra yang telah disisipkan watermark ... 31

Tabel 4.7 Nilai koefisien korelasi watermark hasil ekstraksi dari citra host yang disisipkan watermark dan dikompresi ... 32

Tabel 4.8 Nilai koefisien korelasi watermark hasil ekstraksi dari citra terwatermark yang diberikan noise Gaussian. ... 33

Tabel 4.9 Nilai koefisien korealasi watermark hasil ekstrasi dari citra terwatermark yang dilakukan scaling. ... 34

Tabel 4.10 Nilai koefisien korelasi watermark hasil ekstrasi dari citra yang dilakukan penghalusan citra atau median filter. ... 34

Tabel 4.11 Nilai koefisien korelasi watermark hasil ekstraksi dari citra terwatermark yang dirotasi. ... 35

(9)

xi DAFTAR GAMBAR

Halaman

Gambar 3.1 Blok Diagram Proses Penyisipan Watermark ... 11

Gambar 3.2 Blok Diagram Proses Ekstraksi Watermark ... 13

Gambar 3.3 Diagram Alir Proses Penyisipan Watermark ... 14

Gambar 3.4 Diagram Alir Subroutine Penyisipan ... 16

Gambar 3.5 Diagram Alir Proses Ekstraksi Watermark ... 18

Gambar 3.6 Diagram Alir Subroutine Ekstraksi ... 21

Gambar 3.7 Rancangan Graphic User Interface (GUI) ... 22

Gambar 4.1 Grafik Nilai Normalized Corelation (NC) dan Peak Signal to Noise Ratio PSNR) dari citra Lena.bmp ... 28

Gambar 4.2 Grafik Nilai Normalized Corelation (NC) dan Peak Signal to Noise Ratio (PSNR) dari citra Baboon.bmp ... 29

Gambar 4.3 Grafik Nilai Normalized Corelation (NC) dan Peak Signal to Noise Ratio (PSNR) dari citra Peppers.bmp ... 30

(10)

BAB I PENDAHULUAN

1 BAB I

PENDAHULUAN

1.1. Latar Belakang

Pada saat ini, penyebaran multimedia digital di internet bisa terjadi dengan cepat yang melingkupi multimedia digital dalam bentuk video, gambar, suara. Penyebarannya yang sangat cepat ini dapat mengakibatkan keaslian suatu multimedia digital dipertanyakan karena banyak orang akan memilikinya dan menyebarkannya kembali melalui internet. Untuk menghindari hal seperti ini, dapat dilakukan dengan pemberian tanda air pada multimedia digital tersebut atau sering dikenal sebagai teknik watermarking.

Pada tugas akhir ini dibahas tentang blind watermarking berdasarkan Discrete Wavelet Transform (DWT) dan Singular Value Decomposition (SVD). Blind watermarking tidak membutuhkan citra asli untuk mengekstraksi watermark. Sedangkan pada nonblind watermarking membutuhkan citra asli untuk dapat mengekstrak watermark. Discrete Wavelet Transform (DWT) menguraikan citra dalam domain spasial bersamaan dengan domain frekuensi. Singular Value Decomposition (SVD) dinilai cocok untuk aplikasi watermarking karena cukup beberapa nilai singular terbesar saja yang digunakan untuk menyisipkan watermark dari sub-band DWT. Watermark yang disisipkan harus memenuhi beberapa persyaratan yaitu watermark tidak mempengaruhi kualitas citra host yang disisipkan, watermark tidak terlihat secara visual, dan watermark dapat diekstraksi setelah dilakukan penyisipan. Tugas akhir ini melanjutkan penelitian tugas akhir yang telah dilakukan sebelumnya[6]. Berbeda dengan tugas akhir sebelumnya, tugas akhir ini menggunakan blind watermarking pada citra digital.

1.2. Perumusan Masalah

Bagaimana merealisasikan blind watermarking pada Citra Digital menggunakan Discrete Wavelet Transform (DWT) dan Singular Value Decomposition (SVD)?

(11)

BAB I PENDAHULUAN

2 1.3. Tujuan Penelitian

Merealisasikan blind watermarking pada Citra Digital menggunakan Discrete Wavelet Transform (DWT) dan Singular Value Decomposition (SVD).

1.4. Pembatasan Masalah

1. Implementasi menggunakan bahasa pemograman MATLAB.

2. Citra digital yang digunakan dalam proses watermarking adalah citra greyscale dalam format bmp.

3. Watermark berupa data biner 32 bit.

4. Pemrosesan citra untuk pengujian ketahanan watermark adalah rotasi, scalling, smoothing dengan median filtering, penambahan noise Gaussian, dan kompresi.

5. Kualitas dari citra digital yang sudah terwatermark diukur dengan MOS & PSNR.

1.5. Metodologi

1. Mengumpulkan bahan yang dibutuhkan. 2. Melakukan penyisipan watermarking. 3. Menganalisis ekstraksi watermark. 4. Membuat laporan tertulis Tugas Akhir.

(12)

BAB V KESIMPULAN DAN SARAN

36 BAB V

KESIMPULAN DAN SARAN

5.1. Kesimpulan

1. Digital watermarking menggunakan teknik DWT (Discrete Wavelet Transform) dan SVD (Singular Value Decomposition) berhasil direalisasikan. 2. Untuk mendapatkan citra yang disisipi watermark dengan PSNR lebih besar dari 35 dB dan nilai NC lebih besar dari 0.8 pada Ɵw = 0.02, umumnya penyisipan watermark dilakukan mulai pada singular value ke 7 atau 8. 3. Nilai MOS untuk p = 7, 8, 9 dan 10 berada dalam skala good pada citra Lena,

dan Peppers, sedangkan untuk citra Baboon berada dalam skala fair.

4. Citra terwatermark setelah mengalami pemrosesan citra diperoleh bahwa watermark umumnya tahan terhadap pemrosesan citra seperti kompresi JPEG (90%), scaling (150%), dan rotate (90° ke kiri, 90° ke kanan, dan 180°), sedangkan terhadap penambahan noise Gaussian (20%, 40% dan 60%), median filter (3x3, 5x5 dan 7x7), dan scaling (50% dan 75%), watermark tidak tahan.

5.2. Saran

1. Penelitian lanjutan yang dapat dilakukan adalah mencari level DWT (Discrete Wavelet Transform) yang dapat menghasilkan kinerja lebih baik.

(13)

DAFTAR PUSTAKA

DAFTAR PUSTAKA

[1] Cahyana, Basarudi, dkk. 2007. Teknik Watermarking Citra Berbasis SVD. Depok: UI.

[2] Fahmi; “Studi dan Implementasi Watermarking Citra Digitaldengan Menggunakan Fungsi Hash”, Institut Teknologi Bandung, Bandung, 2007. [3] Fahthony, Dean; “Watermarking pada Citra Digital Menggunakan Discreate

Wavelet Transform”, Institut Teknologi Bandung, Bandung, 2007.

[4] Kyung-Su Kim, Min-Jeong Lee, and Heung-Kyu Lee, “Blind Image Watermarking Scheme in DWT-SVD domain”, Korea Advanced Institute of Science and Technology Department of EECS, Guseong-dong, Yuseong-gu, Daejon, Republic of Korea.

[5] G.C. Langelaar, I. Setyawan, and R.L. Lagendijk. Watermarking digital image and video data. IEEE Signal Processing Magazine, 17(5):20-46, 2000.

[6] R. Liu and T. Tan. SVD-based watermarking scheme for protecting rightful ownership. IEEE Trans. On Multimedia, 2002.

[7] J. Liu, X. Niu, and W. Kong. Image watermark based on singular value decomposition. Proc. of the Int. Conf. Intelligent Information Hiding and Multimedia Signal Processing, 2006.

[8] Sigalingging, D.G.,”Watermarking Citra Digital Berbasis DWT-SVD”,Tugas Akhir,TE-UKM,2013.

[9] A.Sverdlov, S. Dexter, and A.M. Eskicioglu. Robust DCT-SVD domain image watermarking for copyright protection: embedding data in all frequencies. 13th European Signal Processing Conference, 4-8, 2005.

[10] http://www.ittekom.ac.id/library/index.php?view=article&catid=15 %3Apemrosesan-sinyal&id=92%3Asvd-singular-valuedecomposition& option=com content&Itemid25

(14)

DAFTAR PUSTAKA

[11] http:/www.ittelkom.ac.id/library/index.php?view=artice&catid=20%Ain formatika&id=5753Asegmentasi-citra&option=comcontent&Itemid=25 [12] http://id.wikipedia.org/wiki/korelasi

[13] http://repository.usu.ac.id/bitstream/123456789/31325/4/Chapter%20II.pd f

[14] http://repository.usu.ac.id/bitstream/123456789/24447/4/Chapter%20II.pd f

[15] http://repository.usu.ac.id/bitstream/123456789/24447/4/Chapter%20II.pd f

(1)

xi DAFTAR GAMBAR

Halaman

Gambar 3.1 Blok Diagram Proses Penyisipan Watermark ... 11

Gambar 3.2 Blok Diagram Proses Ekstraksi Watermark ... 13

Gambar 3.3 Diagram Alir Proses Penyisipan Watermark ... 14

Gambar 3.4 Diagram Alir Subroutine Penyisipan ... 16

Gambar 3.5 Diagram Alir Proses Ekstraksi Watermark ... 18

Gambar 3.6 Diagram Alir Subroutine Ekstraksi ... 21

Gambar 3.7 Rancangan Graphic User Interface (GUI) ... 22

Gambar 4.1 Grafik Nilai Normalized Corelation (NC) dan Peak Signal to Noise Ratio PSNR) dari citra Lena.bmp ... 28

Gambar 4.2 Grafik Nilai Normalized Corelation (NC) dan Peak Signal to Noise Ratio (PSNR) dari citra Baboon.bmp ... 29

Gambar 4.3 Grafik Nilai Normalized Corelation (NC) dan Peak Signal to Noise Ratio (PSNR) dari citra Peppers.bmp ... 30

(2)

BAB I PENDAHULUAN

BAB I PENDAHULUAN

1.1. Latar Belakang

1.2. Perumusan Masalah

(3)

BAB I PENDAHULUAN

2 1.3. Tujuan Penelitian

Merealisasikan blind watermarking pada Citra Digital menggunakan Discrete Wavelet Transform (DWT) dan Singular Value Decomposition (SVD).

1.4. Pembatasan Masalah

1. Implementasi menggunakan bahasa pemograman MATLAB.

2. Citra digital yang digunakan dalam proses watermarking adalah citra greyscale dalam format bmp.

3. Watermark berupa data biner 32 bit.

4. Pemrosesan citra untuk pengujian ketahanan watermark adalah rotasi, scalling, smoothing dengan median filtering, penambahan noise Gaussian, dan kompresi.

5. Kualitas dari citra digital yang sudah terwatermark diukur dengan MOS & PSNR.

1.5. Metodologi

1. Mengumpulkan bahan yang dibutuhkan. 2. Melakukan penyisipan watermarking. 3. Menganalisis ekstraksi watermark. 4. Membuat laporan tertulis Tugas Akhir.

(4)

BAB V KESIMPULAN DAN SARAN

BAB V

KESIMPULAN DAN SARAN

5.1. Kesimpulan

dan Peppers, sedangkan untuk citra Baboon berada dalam skala fair.

5.2. Saran

1. Penelitian lanjutan yang dapat dilakukan adalah mencari level DWT (Discrete Wavelet Transform) yang dapat menghasilkan kinerja lebih baik.

(5)

DAFTAR PUSTAKA

37 DAFTAR PUSTAKA

[1] Cahyana, Basarudi, dkk. 2007. Teknik Watermarking Citra Berbasis SVD. Depok: UI.

Wavelet Transform”, Institut Teknologi Bandung, Bandung, 2007.

[5] G.C. Langelaar, I. Setyawan, and R.L. Lagendijk. Watermarking digital image and video data. IEEE Signal Processing Magazine, 17(5):20-46, 2000.

[6] R. Liu and T. Tan. SVD-based watermarking scheme for protecting rightful ownership. IEEE Trans. On Multimedia, 2002.

[7] J. Liu, X. Niu, and W. Kong. Image watermark based on singular value decomposition. Proc. of the Int. Conf. Intelligent Information Hiding and Multimedia Signal Processing, 2006.

[8] Sigalingging, D.G.,”Watermarking Citra Digital Berbasis DWT-SVD”,Tugas

Akhir,TE-UKM,2013.

[10] http://www.ittekom.ac.id/library/index.php?view=article&catid=15

%3Apemrosesan-sinyal&id=92%3Asvd-singular-valuedecomposition& option=com content&Itemid25

(6)

DAFTAR PUSTAKA

[11] http:/www.ittelkom.ac.id/library/index.php?view=artice&catid=20%Ain

formatika&id=5753Asegmentasi-citra&option=comcontent&Itemid=25

[12] http://id.wikipedia.org/wiki/korelasi

[13] http://repository.usu.ac.id/bitstream/123456789/31325/4/Chapter%20II.pd

[14] http://repository.usu.ac.id/bitstream/123456789/24447/4/Chapter%20II.pd

[15] http://repository.usu.ac.id/bitstream/123456789/24447/4/Chapter%20II.pd

Blind Watermarking Pada Citra Digital Menggunakan Discrete Wavelet Transform (DWT) dan Singular Value Decomposition (SVD).