Đồ án tốt nghiệp: Tối ưu hóa xử lý tổng hợp cao cấp bằng thuật toán Dark Channel Prior trên FPGA với PYNQ-Z2

• Tác giả: Trần Tuấn Kiệt
• Người hướng dẫn: Phạm Văn Khoa, PhD.
• Trường học: Ho Chi Minh City University of Technology and Education
• Chuyên ngành: Computer Engineering Technology
• Đề tài: Optimize High-Level Synthesis Processing With Dark Channel Prior Algorithm On FPGA Using PYNQ-Z2
• Loại tài liệu: Graduation thesis
• Năm xuất bản: 2024
• Địa điểm: Ho Chi Minh City

Mục lục chi tiết

• ACKNOWLEDGEMENT
• 1. CHAPTER 1: INTRODUCTION
• 1.1. Research motivation
• 1.2. Research objectives
• 1.3. Technical approach
• 1.4. Contribution
• 1.5. Thesis organization
• 2. CHAPTER 2: BASIC KNOWLEDGE
• 2.1. Dark channel algorithms
• 2.2. Single image defogs using dark channel prior method
• 3. CHAPTER 3: SYSTEM ARCHITECTURE AND IMPLEMENTATION
• 4. CHAPTER 4: RESULT
• 5. CHAPTER 5: CONCLUSION

Tóm tắt

I. Tối ưu hóa xử lý tổng hợp

Tối ưu hóa xử lý tổng hợp là trọng tâm của nghiên cứu này, nhằm cải thiện hiệu suất của thuật toán Dark Channel Prior trên nền tảng FPGA sử dụng PYNQ-Z2. Nghiên cứu tập trung vào việc tối ưu hóa quy trình xử lý hình ảnh thông qua việc sử dụng công nghệ High-Level Synthesis (HLS) để tạo ra các IP kernel hiệu quả. FPGA được lựa chọn do khả năng tái cấu hình và xử lý song song, giúp tăng tốc độ xử lý hình ảnh trong các ứng dụng thời gian thực. PYNQ-Z2 là nền tảng lý tưởng để triển khai các giải pháp tối ưu hóa phần cứng, đặc biệt trong lĩnh vực xử lý hình ảnh.

1.1. Thuật toán Dark Channel Prior

Thuật toán Dark Channel Prior là phương pháp hiệu quả để loại bỏ sương mù trong hình ảnh. Thuật toán dựa trên quan sát rằng các kênh tối trong hình ảnh thường chứa thông tin về độ sâu và sương mù. Bằng cách tối ưu hóa thuật toán này trên FPGA, nghiên cứu đạt được hiệu suất xử lý cao hơn so với các phương pháp truyền thống. Xử lý hình ảnh được cải thiện đáng kể, đặc biệt trong các ứng dụng như xe tự hành và giám sát.

1.2. Công nghệ FPGA và PYNQ Z2

Công nghệ FPGA cung cấp khả năng tùy chỉnh cao và xử lý song song, giúp tối ưu hóa các thuật toán phức tạp như Dark Channel Prior. PYNQ-Z2 là nền tảng tích hợp FPGA và ARM, cho phép triển khai các giải pháp xử lý tín hiệu số một cách hiệu quả. Nghiên cứu sử dụng PYNQ-Z2 để đánh giá hiệu suất và tối ưu hóa phần cứng, đảm bảo tính khả thi trong các ứng dụng thực tế.

II. Tối ưu hóa hiệu suất

Tối ưu hóa hiệu suất là mục tiêu chính của nghiên cứu, đạt được thông qua việc áp dụng các kỹ thuật HLS như pipelining và dataflow. Các kỹ thuật này giúp tăng tốc độ xử lý và giảm thiểu tài nguyên phần cứng sử dụng. Nghiên cứu cũng đánh giá hiệu suất của hệ thống thông qua các chỉ số như FPS và tiêu thụ năng lượng, so sánh với các nghiên cứu trước đây để chứng minh tính ưu việt của giải pháp.

2.1. Kỹ thuật HLS

Kỹ thuật HLS được sử dụng để chuyển đổi mã phần mềm thành các IP kernel tối ưu trên FPGA. Các kỹ thuật như pipelining và dataflow giúp tăng tốc độ xử lý và giảm độ trễ. Nghiên cứu sử dụng Xilinx Vitis HLS để triển khai các IP kernel này, đảm bảo hiệu suất cao trong xử lý tín hiệu số.

2.2. Đánh giá hiệu suất

Nghiên cứu đánh giá hiệu suất của hệ thống thông qua các chỉ số như FPS, tiêu thụ năng lượng, và sử dụng tài nguyên phần cứng. Kết quả cho thấy hệ thống đạt hiệu suất cao hơn so với các phương pháp truyền thống, đặc biệt trong các ứng dụng xử lý hình ảnh thời gian thực.

III. Ứng dụng thực tế

Nghiên cứu này có ứng dụng thực tế rộng rãi trong các lĩnh vực như xe tự hành, giám sát, và cảm biến từ xa. Tối ưu hóa thuật toán và phần cứng giúp cải thiện hiệu suất và độ chính xác của các hệ thống này trong điều kiện thời tiết xấu. Nghiên cứu cũng đề xuất các hướng phát triển trong tương lai để tiếp tục cải thiện hiệu suất và mở rộng ứng dụng của FPGA trong xử lý hình ảnh.

3.1. Xe tự hành

Trong lĩnh vực xe tự hành, việc loại bỏ sương mù trong hình ảnh là yếu tố quan trọng để đảm bảo an toàn. Nghiên cứu này cung cấp giải pháp hiệu quả để xử lý hình ảnh trong thời gian thực, giúp xe tự hành hoạt động ổn định trong điều kiện thời tiết xấu.

3.2. Giám sát và cảm biến

Các hệ thống giám sát và cảm biến từ xa cũng được hưởng lợi từ nghiên cứu này. Việc tối ưu hóa xử lý hình ảnh giúp cải thiện độ chính xác và hiệu suất của các hệ thống này, đặc biệt trong các môi trường có sương mù hoặc bụi mịn.