{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TK608",
        "title": "بهبود کارآیی فشرده‌سازی تصاویر طبیعی رنگی مبتنی بر شبکه عصبی",
        "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": "1396",
        "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": "TK608",
        "title": "بهبود کارآیی فشرده‌سازی تصاویر طبیعی رنگی مبتنی بر شبکه عصبی",
        "degree": null,
        "faculty": "مهندسی برق",
        "year": 1396,
        "authors": [
            {
                "name": "علی کارگران",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "هادی  گرایلو",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "فشرده‌سازی تصویر رنگی",
            "شبکه عصبی عمیق",
            "خودرمزنگار",
            "فیلتر حذف نویز"
        ],
        "abstract": "رشد روز افزون داده‌های دیجیتالی در سال‌های اخیر منجر به افزایش توجهات به فشرده‌سازی شده است. فشرده سازی تصویر با شبکه عصبی به ما یک راه امید‌بخش برای توسعه تکنیک‌های فشرده‌سازی موثر و جدید را معرفی می‌کند. هدف اصلی این حوزه کاهش افزونگی و افزایش میزان فشرده‌سازی داده است. تاکنون بهبود خوبی در تکنیک‌های فشرده‌سازی تصویر و ویدئو انجام شده است و این بهبودها به دلیل صرفه جویی در حافظه برای انتقال اطلاعات بصری انجام شده است. یکی از چالش‌های اصلی در فشرده‌سازی تصویر کیفیت تصویر بازسازی‌شده است. در این پایان‌نامه از شبکه عصبی عمیق (DNN) و فیلتر حذف نویز برای فشرده‌سازی تصاویر طبیعی رنگی استفاده شده است. نتایج شبیه‌سازی نشان می‌دهد که روش پیشنهادی ما در کاهش حجم تصویر و میزان فشرده‌سازی موثر است و همچنین کیفیت تصویر بازسازی شده روش پیشنهادی در مقایسه با روش‌های دیگرمعرفی شده بهبود پیدا کرده است. بعنوان نمونه در روش پیشهادی با استفاده از فیلتر حذف نویز در مقایسه با روش فشرده‌سازی تصویر مبتنی بر شبکه عصبی (بر اساس پیکسل‌های مشابه) در نسبت فشرده‌سازی برابر، مقدار PSNR در تصویر Lena از 22.66db به 24.3db و تصویر Mandrill از 19.73db به 22.10db افزایش پیدا کرده است که هم مقادیر را بهبود بخشیده و هم کیفیت تصویر بهبود یافته است.",
        "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_TK608.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"
    }
}