Professional Documents
Culture Documents
Implementacija Gaborovg Filtra Na FPGA Za Detekciju Oštećenja Na Asfaltu
Implementacija Gaborovg Filtra Na FPGA Za Detekciju Oštećenja Na Asfaltu
Univerzitet u Sarajevu,
Elektrotehniki fakultet,
fzaimovic1@gmail.com
Univerzitet u Sarajevu,
Elektrotehniki fakultet,
ssmajkic1@etf.unsa.ba
Univerzitet u Sarajevu,
Elektrotehniki fakultet,
mehremic.a@gmail.com
Uvoenje
poboljava
algoritma
I. UVOD
Prepoznavanje rupa je slino prepoznavanju
prepreka koji se mogu nai na putu, s tim da su
oteenja u obliku rupa ea od prepreka.
Pristup koji je koriten prilikom rjeavanja ovog
problema je razliita vizuelna predstava rupe u
odnosu na njezinu okolinu. Osnovna ideja
ovoga sistema jeste upozorenje vozaima
prilikom nailaska na oteenja na putu, kako bi
prilagodili brzinu uslovima na cesti te da bi ih
eventualno mogli izbjei i obavjestiti lokalne
slube za odravanje cesta o njihovom
postojanju.
varijable osjetljivosti
performanse razvijenog
[ ( 2 + 2 ) ]
1
(, ) =
2 (20)
2
(5)
(1)
( 1)
(2)
(3)
(4)
V. SJEDINJENJE SLIKA
Zadatak modula stapanja slika je kombinovanje
svih piksela koji imaju veliku vjerovatnou da
budu oteene u jednu sliku. Algoritam
sjedinjuje (sabire) sve slike koje su ujedno
prole dio za detekciju oteenja. Na kraju se
tako dobijena slika podijeli sa ukupnim brojem
slika kako bi se dobila slika-Z koja je srednja
vrijednost svih slika Gaborovog filtera.
pq
1
Di
Z=
pq
(7)
i=1
VI. REZULTATI
Implementaciju algoritma smo radili na
FPGA(eng. Field Programmable Gate Arrays)
kola. Prvo to je bilo potrebno jeste odrediti broj
skala i broj orijentacija. Broj skala u principu
predstavlja broj nivao intenziteta sive na slici
koja se uzorkuje dok broj orijentacija moemo
povezati sa brojem orijentacija koje mi prividno
moemo uoiti na slici. To odreujemo
individualno i u kombinaciji sa slikama koje
dobijemo filtriranjem. Uzastopnim mijenjanjem
broja skala i orijentacija moemo dobiti odline
parametre za odreenu sliku, meutim cilj ovog
rada je implementacija Gabor filtra na FPGA te
pokazati na primjeru detekciju rupa (oteenja)
asfalta.
Jo jedan bitan dio je da li koristiti realni dio
dobijenih slika ili amplitudni dio. U ovom radu
mi smo koristili realni dio, samo zato da bi dali
primjer primjene, na analogan nain kako je
raeno za realni dio tako se moe odraditi i
amplitudni.
Kroz filtriranje vie slika eljeli smo pokazati
kako se filtiranje odraava na razliita
oteenja, i takoer da na filtiranje odnosno
detekciju oteenja itekako utjee prag,
odnosno koficijent K koji je objanjen ranije
(6). Takoer, smo pokazali da sa poveenjam
broja skala i orijentacija poveava se i kvalitet
filtiranja odnosno preciznije se dobija povr
oteenja. Mi smo kao primjer uzeli 1x1 (skala
x orijentacija) i 2x2 (skala i orijentacija), i mogu
se primjetiti razlike u filtiranju kako vizuelno
tako i kroz vrijednosti MSE (eng. mean squared
error) i PSNR (eng. peak signal to noise ratio)
koje su navedene u tabli 1 i tabeli 2 za primjere
1 _1
2 _1
3 _1
1
2 )
3
( (( ) ))
255 255
(8)
u=2;
v=2;
m=3;
n=3;
fmax = 0.125;
gama = 0.8;
eta =0.8;
for i = 1:u
fu = fmax/((sqrt(2))^(i-1));
alpha = fu/gama;
beta = fu/eta;
for j = 1:v
tetav = ((j-1)/8)*pi;
gFilter = zeros(m,n);
for x = 1:m
for y = 1:n
xprime = (x((m+1)/2))*cos(tetav)+(y((n+1)/2))*sin(tetav);
yprime = -(x((m+1)/2))*sin(tetav)+(y((n+1)/2))*cos(tetav);
gFilter(x,y) =
(fu^2/(pi*gama*eta))*exp(((alpha^2)*(xprime^2)+(beta^2)*(ypri
me^2)))*exp(1i*2*pi*fu*xprime);
end
end
gFilter
end
end
= 10 10 (
1
)
(10)
Slika 1
0.2954
5.2965
Slika 2
0.3586
4.4537
Slika 3
0.3453
4.6174
Slika 4
0.3080
5.1151
Slika 1
0.3102
5.0833
Slika 2
0.3727
4.2868
Slika 3
0.3614
4.4198
Slika 4
0.3225
4.9149
VIII. ZAKLJUAK
U ovom radu je opisan postupak podeavanja
Gaborovog filtera za prepoznavanje oteenja
na asfaltu koji je impelmentiran na FPGA. Kroz
cijeli postupak implementacije/podeavanja su
izvueni zakljuci koji mogu posluiti prilikom
odreivanja parametara za drugi tip greke ili za
podeavanje Gabor filtera za detekciju obiljeja
na bilo kojim drugim slikama. Moe se
zakljuiti da koritenjem veeg broja filtera,
poveava se preciznost detekcije oteenja, a
samim tim poveava se kompleksnost i vrijeme
izravanja. Na osnovu svega izneenog u radu,
jasno je da su mogunosti primjene Gaborovog
filtra mnogobrojne.
Reference:
[1] Ajay Kumar, Grantham Pang, Defect detection in
textured materials using Gabor filters, Industrial
Automation Research Laboratory, The University of
Hong Kong, 2000