{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "Q32",
        "title": "فشرده سازی تصاویر  ویدیویی مبتنی بر مدل سازی پس زمینه",
        "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": "1389",
        "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": "Q32",
        "title": "فشرده سازی تصاویر  ویدیویی مبتنی بر مدل سازی پس زمینه",
        "degree": null,
        "faculty": "مهندسی کامپیوتر ",
        "year": 1389,
        "authors": [
            {
                "name": "مهدی صدیقی دستجرد",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "حمید حسن پور",
                "role": "استاد راهنما"
            },
            {
                "name": "Ali Pouyan",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "فشرده سازی ویدیو",
            "مدل سازی پس زمینه",
            "فشرده سازی تصویر",
            "معیارهای شباهت و  MPEG"
        ],
        "abstract": "رسانه های ویدیویی معمولا حجم زیادی از داده ها را تولید می کنند. این حجم عظیم اطلاعات مشکلاتی از قبیل عدم وجود فضای لازم برای ذخیره کردن اطلاعات و پهنای باند کافی برای انتقال آنها به همراه دارد. برای مقابله با این مشکلات از سیستم های فشرده سازی برای ذخیره کردن تصاویر ویدیویی استفاده می شود. این سیستم ها با بهره گرفتن از افزونگی بین فریم ها، سعی در بالا بردن درصد فشرده سازی دارند. \r\nبرای یافتن افزونگی، فریم تصاویر به بلوک هایی تقسیم می شود سپس این بلوک ها با هم مقایسه می گردند تا از ذخیره سازی بلوک های تکراری جلوگیری شود. مولفه انطباق بلوک علاوه برآنکه یکی از زمانبرترین مولفه ها در سیستم های فشرده سازی است اگر از نظر دقت دارای عملکرد مناسبی نباشد، درصد فشرده سازی کاهش می یابد. در روش های موجود نظیر MPEG2 در فرایند انطباق بلوک، تمام بلوک ها مورد بررسی قرار می گیرند. به همین دلیل این گونه روش ها بار محاسباتی بالایی دارند. \r\nدر این پایان نامه با استفاده از روش های مدل سازی پس زمینه، نواحی که در آن تغییرات قابل توجه اتفاق می افتد را تعیین، و عملیات انطباق بلوک را به این ناحیه محدود می کنیم. برای تعیین نواحی که در آن تغییر قابل توجه به وجود آمده، ابتدا پس زمینه را مدل کرده و بعد از حذف نویز، خروجی را به مولفه دیگر ارسال می کنیم. در این مولفه، پیکسل ها به یکی از سه کلاس پس زمینه، شی یا سایه تقسیم می شوند با بهره گرفتن از این اطلاعات بلوک هایی که در آن تغییر قابل توجهی اتفاق افتاده است تعیین می شود و عملیات انطباق بلوک به این نواحی محدود می گردد. مقایسه نتایج این الگوریتم جدید با چهار الگوریتم جستجو دیگر(2-D logarithm search، UCBD،4SS و CSD) نشان می دهد زمان الگوریتم پیشنهادی تقریبا یک دهم زمان محاسبات الگوریتم های یاد شده می-باشد. نتایج \r\nز\r\nهمچنین نشان می دهد درصد فشرده سازی نیز به نسبت الگوریتم های یاد شده بهبود قابل توجهی پیدا می کند. در نمونه های مورد بررسی حجم خروجی سیستم ارائه شده، به نسبت  سیستم غیر بهینه تقریبا  50% کاهش می یابد.",
        "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_Q32.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"
    }
}