{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "Q10",
        "title": "طراحی و پیاده سازی نرم افزار استخراج مشخصه های مورد نیاز مخازن نفت و گاز با استفاده از تصاویر FMI",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1390",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "Q10",
        "title": "طراحی و پیاده سازی نرم افزار استخراج مشخصه های مورد نیاز مخازن نفت و گاز با استفاده از تصاویر FMI",
        "degree": null,
        "faculty": "مهندسی کامپیوتر ",
        "year": 1390,
        "authors": [
            {
                "name": "جواد غلام پور",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "Ali Pouyan",
                "role": "استاد راهنما"
            },
            {
                "name": "حمید حسن پور",
                "role": "استاد مشاور"
            },
            {
                "name": "منصور ضیائی",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "ندارد"
        ],
        "abstract": "پس از ورود نمودارهای تصویری با قدرت تفکیک بالا از دیواره چاه به عرصه نفت، این تصاویر نقش مهمی را در ارزیابی مخازن بر عهده گرفته اند. مخازن کربناته ایران از نظر وجود شکستگی-های طبیعی شهرت جهانی داشته و دارای اهمیت فراوانی از نظر تولید نفت و گاز هستند، علاوه بر این، این مخازن دارای ساختارهای مخصوص به خود هستند.\r\nدر این پایان نامه به علت پوشش بالا و وضوح بالای تصویرگر FMI  از این تصویرگر استفاده شده است. در این پژوهش، روشی جهت قطعه بندی تصاویر FMI جهت شناسایی قسمت های مختلف یک چاه و نیز شکستگی ها ارائه شده است.\r\nدر این روش پس از انتخاب ویژگی ها و نرمال سازی آن ها به کمک الگوریتم خوشه بندی بدون نظارت FCM تمام پیکسل های تصویر دسته بندی شده اند. در این الگوریتم از فاصله اقلیدسی به عنوان معیار تشابه استفاده شده است. در ادامه از الگوریتم KNN جهت تطبیق دسته ها با یکدیگر استفاده شده است. به دلیل اینکه بیشینه پوشش ابزار FMI، 80 درصد سطح دیواره چاه می باشد، ستون هایی از تصویر FMI که توسط تصویرگر پوشش داده نشده اند، حذف می شوند. پس از آن از یک فیلتر غیر خطی جهت حذف ناهمواری ها در سطوح غیر لبه و حفظ لبه ها در تصویر استفاده شده است. در نهایت روش اتسو جهت آستانه گذاری خودکار به کارگرفته شده است.\r\nروش ارائه شده ، بر روی 20 تصویر مختلف FMI اعمال شده است. نتایج نشان می دهد که دقت و کیفیت بسیار مناسبی از تشخیص شکستگی ها و قسمتهای مختلف یک چاه به دست می دهد.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_Q10.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}