Perbandingan Kompresi Citra Metode Five-Modulus dan Kuantisasi dengan Perbaikan Citra Histogram-Equalization
Notice bibliographique
Résumé
Kompresi citra merupakan suatu teknik yang dilakukan terhadap citra digital yang bertujuan untuk memperkecil redudansi data pada citra sehingga kapasitas citra menjadi lebih kecil dan efisien dalam transmisi data. Terdapat 2 jenis teknik kompresi yaitu, losssless dan lossy. Teknik kompresi lossless tidak mengakibatkan hilangnya informasi pada citra, sedangkan kompresi lossy kebalikan dari lossless yang menghilangkan sebagian informasi pada citra. Terdapat beberapa teknik kompresi lossy, diantaranya Five Modulus dan Kuantisasi. Namun teknik lossy memiliki kelemahan yaitu, mengalami penurunan kualitas pada citra dan menyebabkan ukuran file citra relatif jauh lebih kecil dibandingkan dengan kompresi lossless. Dari metode kompresi citra tersebut akan dilakukan perbandingan kompresi antara metode Five Modulus dan Kuantisasi, lalu hasil dari kompresi akan diperbaiki dengan Histogram Equalization. Hal ini dilakukan untuk meningkatkan kualitas hasil kompresi. Berdasarkan hasil pengujian dari kompresi menunjukkan bahwa untuk citra RGB, metode Kuantisasi memiliki PSNR dan Rasio Kompresi yang lebih tinggi dibandingkan dengan Five Modulus. Sementara, untuk citra grayscale Five Modulus memiliki PSNR dan Rasio Kompresi yang tidak terlalu tinggi dibandingkan dengan Kuantisasi.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».