Dehazing merupakan masalah penting di bidang computer vision terutama pada aplikasi video surveillance dan automated driving cars. Hal ini disebabkan karena kualitas citra (images) yang baik diperlukan untuk menganalisa berbagai jenis informasi yang terdapat di dalamnya. Oleh karena itu, dehazing membantu mempertajam visibility yang ada pada citra berkabut (hazy images). Banyak peneliti yang sudah memperkenalkan metode dehazing dengan hasil yang signifikan. Salah satunya adalah menggunakan dark channel prior yang merupakan hasil dari observasi bahwa citra umum (natural images) selalu mempunyai salah satu channel warna yang gelap apabila cuaca sedang cerah. Selain itu, metode berdasarkan convolutional neural network melakukan teknik pembelajaran untuk mempelajari fitur yang baik untuk melakukan dehazing. Metode berdasarkan pembelajaran tersebut memberikan hasil yang baik apabila kita mempunya data yang besar dan mencakupi semua jenis kasus yang terjadi. Melalui penelitian ini, kami ingin mengembangkan metode berdasarkan dark channel prior dan convolutional neural network sehingga kualitas dari citra yang dihasilkan dapat lebih baik lagi. Keuntungan untuk menggunakan kedua metode secara bersamaan adalah mereka dapat mengisi kekurangan satu sama lain. Metode yang berdasarkan penggabungan sudah sering ditemui apabila setiap metode mempunyai kekurangannya masing-masing. Analisa komprehensif diperlukan untuk mengetahui cara terbaik untuk menggabungkannya. Eksperimen diharapkan dapat memberikan hasil yang baik dan berguna untuk aplikasi di computer vision.

dehazing, dark channel prior, convolutional neural network (CNN), deep learning, haze

• Gradiyanto Sanjaya, S.Kom, M.TI

• Williem, S.Kom., Ph. D.