17787

17787

طراحي الگوريتم تشخيص لبه تصاوير رنگي بر پايه جبر كليفورد و شبيه سازي سخت افزاري آن

كارشناسي ارشد

سيستم هاي الكترونيك ديجيتال

شهريورماه 1396

دكتر صدر

برق

جبر هندسي يا جبر كليفورد ابزار رياضي بسيار قدرتمندي است كه كاربرد‌‌هاي زيادي در زمينه‌‌‌هاي مختلف تحقيقاتي از جمله پردازش سيگنال‌‌هاي الكترومغناطيسي، پردازش تصوير، بينايي ماشين و شبكه‌‌‌هاي عصبي دارد. اجراي الگوريتم‌ها در اين قالب جبري بار محاسباتي زيادي را به پردازنده‌‌‌هاي عمومي اعمال مي‌كند، بنابراين اجراي بهينه عملگر‌‌هاي جبر كليفورد تنها با استفاده از واحد‌‌هاي پردازشي با معماري خاص ممكن است. در اين پروژه، سخت‌افزار بهينه‌اي طراحي شده است كه يك الگوريتم تشخيص لبه تصاوير رنگي در قالب RGB را پياده‌سازي مي‌كند. سخت‌افزار پيشنهادي از الگوريتم گراديان اشباع و ضرب هندسي (SGGP) در فضاي سه‌بعدي جبر كليفورد بهره مي‌برد. همچنين به علت استفاده گسترده از قالب رنگي CMY، روش فوق براي اجراي عمليات بر روي اين نوع از تصاوير تعميم داده شده است. نتايج به دست آمده از روش SGGP و ساير روش‌هاي تشخيص لبه متداول، با استفاده از معيار شايستگي پرت سنجيده شده‌اند. الگوريتم SGGP با كسب معيار شايستگي 0/971 در پردازش تصويري با ُSNR=200، از جايگاه بسيار خوبي نسبت به ساير روش‌ها برخوردار است. سخت‌افزار پيشنهادي با دو سخت‌افزار ديگر مقايسه شده است. اين سخت افزار در مقايسه با سخت افزار پياده‌سازي شده از طريق يك كامپايلر جبر هندسي، در عين استفاده از منابع منطقي كمتر همان افزايش سرعت را در اجراي عمليات جبر هندسي ارائه مي‌دهد. همچنين سخت‌افزار پيشنهادي در مقايسه با يك كمك‌پردازنده جبرهندسي، با استفاده از 2/7 برابر منابع منطقي بيشتر و حداكثر درجه موازي سازي ممكن، به افزايش سرعتي معادل با 315 برابر دست يافته است.

1396/06/24

1/1/1900 12:00:00 AM

Clifford or Geometric Algebra is a powerful mathematical tool that has many applications in research fields like electromagnetic signal processing, image processing, machine vision, neural networks, and kinematics. Algorithms based on this geometric framework have a significant computational load that general-purpose processors are unable to handle them properly. Therefore efficient implementation of geometric algebra algorithms needs special purpose hardware architecture. In this project, an efficient hardware architecture designed for RGB color image edge detection in 3D Clifford algebra space. The color edge detection algorithm, called saturation gradient and geometric product, is generalized for operating on CMY color images. In addition to edge detection, this approach can be used for image processing on a specific color region. The results from applying this algorithm compared to other approaches show its ability to find edges as well as best of them. With respect to processing goals, the algorithm parameters can be tuned by the user to achieve best results. The designed hardware is compared with two hardware implementations for Clifford color edge detection algorithms. In comparison to Gaalop pre-complier hardware, at the same frequency and same speed up, the proposed design used fewer logic resources. The edge detection algorithm execution on proposed hardware design shows x351 speed up compared to its execution on a general geometric algebra co-processor.