PERBAIKAN KUALITAS CITRA PENCAHAYAAN RENDAH DENGAN MENGGUNAKAN KOMBINASI GAUSSIAN PROCESS DAN U-NET

Citra adalah representasi, kemiripan atau imitasi dari suatu objek atau benda yang memiliki informasi tertentu.Salah satu masalah yang terjadi adalah ketika citra yang diambilmemiliki pencahayaan yang kurang sehingga dapat mempengaruhikesalahan dalam penyampaian informasi. Pada kondisi kekurangan cahaya, citra akan menjadi kabur dan tidak jelas yang dapat menyebabkan kesulitan dalam melakukan segmentasi objek. Penelitian ini menggunakan Gaussian Process dan U-Netsebagai algoritma perbaikan kualitas citra pencahayaan rendah.Gaussian Process efektif untuk peningkatan cahaya rendah di mana peningkatan lokal diperlukan untuk mengatasi masalah peningkatan yang berlebihan dan yang kurangsedangkan U-Net dapat menggabungkan informasi dari citra masukan untuk mendapatkan informasi umum yang yang penting untuk menghasilkan peta segmentasi yang baik. Tahap pengujian dilakukan melalui pengujian sampel citra dengan memperhitungkan hasil AMBE (Absolute Mean Brightness Error) dan SSIM (Structural Similarity Index) menggunakan 15 buah citra. Dari hasil pengujian dapat disimpulkan metode U-Net + Gaussian Process lebih baik dibandingkan Gaussian Process + U-Net. Hal ini terlihat dari nilai AMBE pada metode U-Net + Gaussian Process (17,32286933) <Gaussian Process + U-Net (25,84418733). Selain itu, nilai SSIM pada metode U-Net + Gaussian Process (0,865404)>Gaussian Process + U-Net (0,813985333).