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

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.