پیاده سازی الگوریتم های پردازش تصویر روی یک سامانه نهفته کارا با ابزارهای توسعه منبع باز

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 433

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJMT-6-1_002

تاریخ نمایه سازی: 12 خرداد 1399

چکیده مقاله:

در این مقاله، Raspberry Pi 2 به عنوان سخت افزاری کم هزینه، کم وزن و کم توان برای پیاده سازی روش‎های آشکارسازی اهداف در تصویر مادون قرمز مورد بررسی و تحلیل قرار می گیرد. پیاده سازی مناسب این روش ها و انجام عملیات بصورت بلادرنگ برای سامانه های دفاعی از اهمیت ویژه ای برخوردار است. نتایج نشان می دهند که Raspberry Pi 2 دارای قدرت محاسباتی کافی برای پیاده سازی الگوریتم آشکارسازی هدف در تصاویر مادون قرمز می باشد. قدرت پردازش سخت افزار پیشنهادی با استفاده از الگوریتم آشکارسازی هدف تصاویر مادون قرمز روی محیط توسعه نرم افزاری Qt و توابع کتابخانه پردازش تصویر OpenCV با PC روی محیط توسعه نرم افزاری Qt و توابع کتابخانه OpenCV و همچنین با نرم افزار سطح بالای MATLAB مقایسه می شود. نتایج به دست آمده نشان می دهند که پیاده سازی روی Raspberry Pi 2 نسبت به MATLAB سرعت اجرای الگوریتم را 6.5 برابر افزایش می دهد. همچنین زمان اجرای پیاده سازی الگوریتم آشکارسازی هدف در تصاویر مادون قرمز (به زبان C++) با استفاده از کتابخانه OpenCV روی PC تقریبا 8 برابر اجرای آن با Raspberry Pi 2 است. همچنین با مقایسه Raspberry Pi 2 و PC از نظر توان مصرفی، وزن و هزینه مشاهده می شود که Raspberry Pi 2 کارآیی بسیار بهتری را از نظر توان مصرفی، وزن و هزینه نسبت به PC دارد. نتایج نشان می دهند که هر چند استفاده از نرم افزارهای سطح بالا مثل MATLAB دارای شاخص های ارزیابی ضرایب تضعیف پس زمینه ((SCR و نسبت سیگنال به نویز ((BSF بالاتری نسبت به استفاده از کتابخانه OpenCV است، اما نتایج زمان اجرا نشان می دهد که سخت افزار پیشنهادی زمان اجرا را نسبت به نرم افزارهای سطح بالا مثل MATLAB بهبود می دهد. برای بهینه سازی و کاهش زمان اجرا از برنامه نویسی چندریسه ای روی Raspberry Pi 2 (که شامل پردازنده 4 هسته ای ARM Cortex-A7 است) و خاصیت افزایش فرکانس (برای افزایش سرعت سخت افزار Raspberry Pi 2) استفاده می شود.

نویسندگان

سید محمدرضا موسوی

استاد دانشکده مهندسی برق دانشگاه علم و صنعت ایران

بهنام محمدی

دانشجوی کارشناسی ارشد - دانشکده مهندسی برق، دانشگاه علم و صنعت ایران

مهدی نصیری

استادیار - دانشکده فناوری اطلاعات و ارتباطات، دانشگاه جامع امام حسین (ع)

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • H. Deng, X. Sun, M. Liu, C. Ye and X. ...
  • X. Wang, G. Lv and L. Xu, Infrared Dim Target ...
  • H. Sugano and R. Miyamoto, Highly Optimized Implementation of OpenCV ...
  • R. Laganière, OpenCV 2 Computer Vision Application Programming Cookbook , ...
  • H. Jina, Review Paper on Industrial Automation based on OpenCV ...
  • S. Matuska, R. Hudec and M. Benco, The Comparison of ...
  • M. Marengoni and D. Stringhini, High Level Computer Vision using ...
  • P. N. Druzhkov, V. L. Erukhimov, N. Y. Zolotykh, E. ...
  • G. B. García, O. D. Suarez, J. L. E. Aranda, ...
  • A. Kaehler and G. Bradski, Learning OpenCV , O Reilly ...
  • Q. Yu, H. H. Cheng, W. W. Cheng and X. ...
  • X. Yuanfang and S. Xia, System Design for Real-Time Image ...
  • W. Wasfy and H. Zheng, General Structure Design for Fast ...
  • ‎ M. S. Kumar and D. Nedumaran, Development of Image ...
  • D. Jinghong, D. Yaling and L. Kun, Development of Image ...
  • M. Ali, E. Stotzer, F. D. Igual and R. A. ...
  • L. Yan, T. Zhang and S. Zhong, A DSP/FPGA-Based Parallel ...
  • B. Ramesh, A. Bhardwaj, J. Richardson, A. D. George and ...
  • S. K. Teoh, V. V. Yap, C. S. Soh and ...
  • L. Yang, J. Yang and K. Yang, Adaptive Detection for ...
  • F. A. Sadjadi, Infrared Target Detection with Probability Density Functions ...
  • X. Wang and Z. M. Tang, Combining Wavelet Packets with ...
  • J. F. Khan, M. S. Alam and S. M. Bhuiyan, ...
  • P. Zhang and J. Li, Neural-Network-Based Single-Frame Detection of Dim ...
  • J. F. Khan and M. S. Alam, Target Detection in ...
  • M. Zeng, J. X. Li and Z. Peng, The Design ...
  • Y. Q. Sun, J. W. Tian and J. Liu, Novel ...
  • X. Wang, L. Liu and Z. M. Tang, Infrared Dim ...
  • L. Itti, C. Koch and E. Niebur, A Model of ...
  • B. C. Ko and J. Nam, Object-of-Interest Image Segmentation Based ...
  • Y. Xu, Y. Zhao, C. Jin, Z. Qu, L. Liu ...
  • W. Li, C. Pan and L. X. Liu, Saliency-Based Automatic ...
  • L. Zhao, K. Wu, X. Chai and C. Gu, Image ...
  • D. F. Vera, D. M. Cadena and J. M. Ramírez, ...
  • P. Poudel and M. Shirvaikar, Optimization of Computer Vision Algorithms ...
  • K. S. Shilpashree, H. Lokesha and H. Shivkumar, Implementation of ...
  • B. E. Gamal, A. N. Ouda, Y. Z. Elhalwagy and ...
  • G. Arva and T. Fryza, Embedded Video Processing on Raspberry ...
  • R. Dudas, C. VandenBussche, A. Baras, S. Z. Ali and ...
  • V. Vujovic and M. Maksimovic, Raspberry Pi as a Sensor ...
  • D. S. Bölsche and A. M. Schön, A Raspberry in ...
  • A. D. Deshmukh and U. B. Shinde, A Low Cost ...
  • V. S. Tomar and V. Bhatia, Low Cost and Power ...
  • J. Bermúdez-Ortega, E. Besada-Portas, J. A. López-Orozco, J. A. Bonache-Seco ...
  • B. Qureshi, Y. Javed, A. Koubâa, M. F. Sriti and ...
  • N. Hossain, M. T. Kabir, T. R. Rahman, M. S. ...
  • Q. He, B. Segee and V. Weaver, Raspberry Pi 2 ...
  • C. I. Hilliard, Selection of a Clutter Rejection Algorithm for ...
  • نمایش کامل مراجع