Relocation of Indonesia's Capital City to Kalimantan: Challenges and Opportunity (2019–2024)

Mage segmentation and registration are two major problems in the field of image processing. These techniques are usually treated independently even though fundamentally they are interrelated as the segmentation technique can be applied to solve registration task and vice versa. Joining these tasks into a single model has proven to yield better result than separate tasks particularly in dealing with noisy multi¬ modal images. The existing models ofjoint segmentation and registration cannot cope with high level of noise in the images.
This thesis proposed a joint model for segmentation and registration based on the variational approach for multi-modal images. The joint model combines the generalized mean based image segmentation which utilizes fuzzy-membership function, modified normalized gradient fields and linear curvature for registration task. The performance of the proposed model is tested on 2D synthetic and real medical images with and without the presence ofthe white Gaussian noise. Then it is compared to the existing joint models using four evaluation criterions which are Mean Square Difference (MSD), Dice coefficient metric, Regp and computational time. The proposed joint model improved by 60% according to the numerical results when tested on images with high level of noise.

Segmentasi dan pendaftaran imej adalah dua masalah utama dalam bidang pemprosesan imej. Teknik ini biasanya dilakukan secara berasingan walaupun pada asasnya ia saling berkait kerana teknik segmentasi boleh digunakan untuk menyelesaikan tugas pendaftaran dan sebaliknya. Penyatuan kedua-dua teknik ini ke dalam satu model telah terbukti menghasilkan keputusan yang lebih baik berbanding dengan teknik yang berasingan terutamanya dalam menangani imej multi-modal yang mengandungi bunyi. Model sedia ada dalam penyatuan teknik imej segmentasi dan pendaftaran tidak mampu untuk menyelesaikan masalah imej yang mengandungi tahap bunyi yang tinggi.
Tesis ini mencadangkan satu model penyatuan teknik imej segmentasi dan pendaftaran berdasarkan kepada pendekatan variasi untuk imej multi-modal. Model penyatuan ini menggabungkan teknik segmentasi berdasarkan min umum yang menggunakan fungsi keahlian kabur, medan kecerunan normal yang diubah suai dan kelengkungan linear bagi tugas pendaftaran. Prestasi model yang dicadangkan diuji ke atas 2D imej perubatan yang sintetik dan sebenar tanpa bunyi dan dengan kehadiran bunyi Gaussian putih. Seterusnya, prestasi model itu juga dibandingkan dengan model penyatuan sedia ada menggunakan empat kriteria penilaian iaitu perbezaan min kuasa dua, metrik pekali dadu dan Regp serta masa komputasi. Model gabungan yang dicadangkan bertambah baik sebanyak 60% mengikut keputusan berangka apabila diuji pada imej dengan kehadiran bunyi yang tinggi.