تبدیل تصاویر رنگی RGB به خاکستری یکی از مسائل مهم و اساسی در حوزة پردازش تصویر بوده، از این رو روشهای متعددی برای پیادهسازی سختافزاری الگوریتمهای مربوطه ارائه گردیده است. الگوریتمهای تبدیل تصاویر رنگی به خاکستری در بخش پیشپردازش اکثر برنامههای بینایی ماشین، جهت ت چکیده کامل
تبدیل تصاویر رنگی RGB به خاکستری یکی از مسائل مهم و اساسی در حوزة پردازش تصویر بوده، از این رو روشهای متعددی برای پیادهسازی سختافزاری الگوریتمهای مربوطه ارائه گردیده است. الگوریتمهای تبدیل تصاویر رنگی به خاکستری در بخش پیشپردازش اکثر برنامههای بینایی ماشین، جهت تشخیص چهره و اشیاء به کار برده میشوند. در اکثر مسائل مرتبط با بازشناسی تصاویر، اطلاعات از طریق دوربینهای تصویربرداری دیجیتال دریافت شده، از این رو نرخ دادههای ورودی به سامانة سختافزاری بسیار بالا است. بنابراین برای پردازش بیدرنگ و محاسبة در لحظة الگوریتمهای به کار برده شده، نیازمند سرعت بخشیدن به محاسبات هستیم. یکی از راه کارهای سختافزاری برای انجام سریع این محاسبات، استفاده از تراشههای مجتمع منطقی برنامهپذیر (FPGA) است. از مزایای این تراشهها، امکان پیادهسازی سختافزاری الگوریتمهای محاسباتی به صورت پردازش موازی، همروند و مدارهای منطقی تمام ترکیبی است. در این مقاله برای کاهش خطای محاسباتی از سیستم عددی ممیز ثابت استفاده شده و مصالحهای بین دقت و تعداد بلوکهای منطقی به کار رفته ایجاد شده است. این امر به مدیریت منابع سختافزاری کمک بسزایی میکند. همچنین روشهای مختلفی برای تبدیل تصاویر رنگی به خاکستری روی تراشههای FPGA ارزان قیمت طراحی شده، و نتایج با یکدیگر مقایسه شدهاند. با استفاده از روش ترکیب مولفههای رنگی در محاسبات اعشاری ممیز ثابت (ضرایب مولفهها 8 یا 15بیت اعشار و محاسبات 8 بیت اعشار) شاخص خطای میانگین مربعات (MSE) در تصویر خاکستری شدة لنا 512×512 برابر با 0184/0 گشت و برای پیادهسازی سختافزار متناظر، 105 بلوک منطقی(LB) به کار گرفته شده است.
پرونده مقاله
آتشسوزی یکی از خطراتی است که میتواند سلامت انسان را در مدت زمان کوتاهی به خطر اندازد و اگر به موقع محدود نشود، خسارات زیادی به همراه خواهد داشت. تشخیص به موقع و دقیق مکان آتشسوزی میتواند از پیامدهای انتشار آن جلوگیری کند. در این تحقیق روش جدیدی برای تشخیص آتش بر مبن چکیده کامل
آتشسوزی یکی از خطراتی است که میتواند سلامت انسان را در مدت زمان کوتاهی به خطر اندازد و اگر به موقع محدود نشود، خسارات زیادی به همراه خواهد داشت. تشخیص به موقع و دقیق مکان آتشسوزی میتواند از پیامدهای انتشار آن جلوگیری کند. در این تحقیق روش جدیدی برای تشخیص آتش بر مبنای استخراج ویژگیهای زمانی-مکانی آتش در قابهای ویدئویی پیشنهاد شده است. در الگوریتم پیشنهادی، از یک شبکه عصبی کانولوشنی چند مقیاسی به همراه یک شبکه یولو (YOLO) جهت استخراج ویژگیهای مکانی و شناسایی مناطق نامزد آتش استفاده شده است. سپس به منظور حذف بافتهای غیرمتحرک مشابه آتش و بررسی ویژگیهای زمانی ناحیه نامزد، روش تجزیه و تحلیل فراکتال بر اساس پتویپوشان زمانی به کار برده شده است. در نهایت ناحیه آتش از طریق تلفیق نتایج دو مرحله از سایر قسمتهای تصویر جدا میگردد. نتایج ارزیابی بر روی سه مجموعه داده نشان میدهد که صحت روش پیشنهادی تشخیص آتش حدود 1/96 درصد است و این در حالی است که عوامل دقت و بازیابی به ترتیب 92 درصد و 9/96 درصد است. بنابر نتایج تجربی، روش پیشنهادی از سایر الگوریتمهای ارائه شده عملکرد بهتری دارد و بنابراین الگوریتم طراحیشده در دنیای واقعی به صورت کارآمد قابل استفاده است.
پرونده مقاله