استفاده از ضرایب کرولیشن جهت ارائه یک الگوریتم بهینه تطبیق الگو، تغییرناپذیر نسبت به مقیاس و زاویه با پیاده سازی بر روی FPGA

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 27

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JASD-1-3_001

تاریخ نمایه سازی: 3 اردیبهشت 1403

چکیده مقاله:

امروزه در سیستم­های ردیاب مبتنی بر تصویر، جهت شناسایی و تعقیب اهداف نظامی به طور گسترده­ای از تکنیک­های تطبیق الگو استفاده می­شود. سیستم­های فوق به دلیل پسیو بودن، در برابر تکنیک­های جنگ الکترونیک رایج مقاوم هستند. یکی از مشکلات استفاده از الگوریتم­های تطبیق الگو، کند ­بودن آن ها بخصوص در مواقع بروز چرخش و تغییر مقیاس در اهداف نسبت به الگوی از قبل تعیین شده می­باشد. در این مقاله الگوریتمی بهینه شده جهت انجام تطبیق الگو مبتنی بر ضرایب کرولیشن، تغییرناپذیر به مقیاس و زاویه در تصاویر مقیاس خاکستری بیان شده است. الگوریتم brute force تطبیق الگو بین الگوی Q)) و تصویر(A) را از طریق ایجاد حالت­های مختلف الگو در مقیاس و زاویه­های مشخص انجام می­دهد. این الگوریتم بیش ازحد طولانی و زمان بر بوده، جنبه عملی ندارد. الگوریتم بهینه شده شامل ۳ فیلتر متوالی مقیاس، زاویه و تطبیق الگو می­باشد. که در آن ها به ترتیب احتمال مقیاس، زاویه چرخیده شده برای هر پیکسل و درنهایت نقطه تطبیق الگو به دست می آید. این الگوریتم برخلاف brute force شتاب قابل توجهی به جستجو داده و نزدیک به۴۰۰ بار سریع تر از آن عمل می­کند. با پیاده­سازی سخت­افزاری بر روی FPGA می­توان عملیات شناسایی و تعقیب اهداف نظامی را با سرعت ۱۰ فریم در ثانیه انجام داد.

کلیدواژه ها:

تطبیق الگو ، تغییرناپذیری نسبت به مقیاس و زاویه ، ردیابی ، ضرایب کرولیشن

نویسندگان

مجید زارعی

استادیار برق، دانشکده مهندسی برق، دانشگاه پدافند هوایی خاتم الانبیاء(ص)، تهران، ایران

علی جاهد سراوانی

دکترای برق، دانشکده مهندسی برق، دانشگاه پدافند هوایی خاتم الانبیاء(ص)، تهران، ایران

قادر محمدی آغداش

دانشجوی دکترای برق، دانشکده مهندسی برق، دانشگاه پدافند هوایی خاتم الانبیاء(ص)، تهران، ایران

اسماعیل دستجردی

دکترای برق، دانشکده مهندسی برق، دانشگاه پدافند هوایی خاتم الانبیاء(ص)، تهران، ایران

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 :
  • N. Mayasari and A. P. Siahaan, “Vehicle Plate Recognition using ...
  • S. Caraiman et al., “Computer Vision for the Visually Impaired: ...
  • S. Nikan and M. Ahmadi, “Partial Face Recognition Based on ...
  • F. Essannouni and D. Aboutajdine, “Fast Frequency Template Matching Using ...
  • M. Suzuki, Y. Tanida, T. Maruyama, “Detecting patterns in various ...
  • W. Chia Lee, C. Hsing Chen, “A Fast Template Matching ...
  • L. Ming, j.Z. Guang, “A novel algorithm for a rotation ...
  • J.Flusser, T.Suk, “Rotation moment invariant for recognition of symmetric objects” ...
  • C.R.P. Dionisio, H.Y. Kim, “A supervised shape classification technique invariant ...
  • H.Y. kim, S.A. Araujo, “grayscale Template Matching Invariant to Rotation, ...
  • Y. Tanida, T. Maruyama, “An Approach for Downscaling Images for ...
  • M. Arif and K. Sohaib, “Correlation-Coefficient-Based Fast Template Matching Through ...
  • R. C. Gonzalez and R. E. Woods, Digital Image Processing, ...
  • نمایش کامل مراجع