پیاده‌سازی الگوریتم‌های پردازش تصویر روی یک سامانه نهفته کارا با ابزارهای توسعه منبع باز

Abstract

در این مقاله، Raspberry Pi 2 به عنوان سخت‌افزاری کم هزینه، کم وزن و کم توان برای پیاده‌سازی روش‎های آشکارسازی اهداف در تصویر مادون قرمز مورد بررسی و تحلیل قرار می‌گیرد. پیاده‌سازی مناسب این روش‌ها و انجام عملیات بصورت بلادرنگ برای سامانه‌های دفاعی از اهمیت ویژه‌ای برخوردار است. نتایج نشان می‌دهند که Raspberry Pi 2 دارای قدرت محاسباتی کافی برای پیاده‌سازی الگوریتم‌ آشکارسازی هدف در تصاویر مادون قرمز می‌باشد. قدرت پردازش سخت‌افزار پیشنهادی با استفاده از الگوریتم آشکارسازی هدف تصاویر مادون قرمز روی محیط توسعه نرم‌افزاری Qt و توابع کتابخانه پردازش تصویر OpenCV با PC روی محیط توسعه نرم‌افزاری Qt و توابع کتابخانه OpenCV و همچنین با نرم‌افزار سطح بالای MATLAB مقایسه می‌شود. نتایج به دست آمده نشان می‌دهند که پیاده‌سازی روی Raspberry Pi 2 نسبت به MATLAB سرعت اجرای الگوریتم را 6.5 برابر افزایش می‌دهد. همچنین زمان اجرای پیاده‌سازی 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 می‌شود که Raspberry Pi 2 کارآیی بسیار بهتری را از نظر توان مصرفی، وزن و هزینه نسبت به PC دارد. نتایج نشان می‌دهند که هر چند استفاده از نرم‌افزارهای سطح بالا مثل MATLAB دارای شاخص‌های ارزیابی ضرایب تضعیف پس‌زمینه ((SCR و نسبت سیگنال به نویز ((BSF بالاتری نسبت به استفاده از کتابخانه OpenCV است، اما نتایج زمان اجرا نشان می‌دهد که سخت‌افزار پیشنهادی زمان اجرا را نسبت به نرم‌افزارهای سطح بالا مثل MATLAB بهبود می‌دهد. برای بهینه‌سازی و کاهش زمان اجرا از برنامه‌نویسی چندریسه‌ای روی Raspberry Pi 2 (که شامل پردازنده 4 هسته‌ای ARM Cortex-A7 است) و خاصیت افزایش ‌فرکانس (برای افزایش سرعت سخت‌افزار Raspberry Pi 2) استفاده می‌شود.