Restorasi Citra Wajah Berkualitas Rendah dari CCTV Menggunakan Metode Generative Adversarial Network (GAN)

Abstract

Closed-Circuit Television (CCTV) merupakan kamera digital yang berfungsi untuk memantau serta mengirimkan sinyal visual pada suatu area tertentu. Namun, Citra wajah dari CCTV sering kali memiliki kualitas rendah akibat resolusi rendah, pergerakan objek wajah (motion blur), dan pencahayaan yang buruk (poor illumination) sehingga menyulitkan proses identifikasi untuk mendukung kegiatan forensik. Kondisi ini menimbulkan kebutuhan akan metode restorasi citra yang lebih modern. Penelitian ini mengusulkan pipeline berbasis Generative Adversarial Network (GAN) yang mengombinasikan dua arsitektur, yaitu Real- ESRGAN untuk peningkatan resolusi dan GFPGAN untuk restorasi fitur wajah yang lebih alami. Hasil eksperimen menunjukkan peningkatan signifikan pada kualitas perseptual dengan penurunan nilai NIQE dari 12.55 menjadi 7.86 dan BRISQUE dari 70.31 menjadi 43.92, dengan tingkat keberhasilan 82% citra berhasil direstorasi. Penelitian ini berkontribusi dengan menunjukkan pendekatan dua tahap GAN yang terintegrasi sebagai solusi efektif untuk restorasi wajah pada citra CCTV berkualitas rendah. Dengan demikian, pipeline ini dapat berfungsi sebagai tahap pra-pemrosesan untuk meningkatkan keterbacaan citra serta berpotensi digunakan untuk mempermudah identifikasi wajah serta mendukung kegiatan investigasi forensik.