Βελτιστοποίηση συμπίεσης βίντεο με χρήση γενετικών αλγορίθμων.

Απλή σελίδα τεκμηρίου
dc.contributor.advisorΒασιλειάδης, Γεώργιοςel
dc.contributor.advisorVasileiadis, Georgiosen
dc.contributor.authorΠιτσικάκη, Ελένηel
dc.contributor.authorPitsikaki, Elenien
dc.date.accessioned2026-03-24T10:01:37Z
dc.date.available2026-03-24T10:01:37Z
dc.date.issued2026-03-24
dc.description.abstractΗ παρούσα διπλωματική εργασία εξετάζει τη βελτιστοποίηση της συμπίεσης ψηφιακού βίντεο μέσω της χρήσης εξελικτικών αλγορίθμων. Η ανάγκη για αποτελεσματικότερη συμπίεση είναι διαρκής, καθώς ο όγκος των δεδομένων αυξάνεται, καθιστώντας την εύρεση των ιδανικών παραμέτρων κωδικοποίησης μια σύνθετη διαδικασία. Στο πλαίσιο αυτό, αναπτύχθηκε ο αλγόριθμος VidOpt-GA, ο οποίος χρησιμοποιεί γενετικό αλγόριθμο για την αυτόματη επιλογή του βέλτιστου συνδυασμού ρυθμού μετάδοσης (bitrate) και ανάλυσης (resolution). Η μεθοδολογία βασίστηκε στην αξιολόγηση των λύσεων μέσω μιας συνάρτησης καταλληλότητας που συνδυάζει τους δείκτες PSNR (Peak Signal-to-Noise Ratio) και MSE (Mean Squared Error). Τα πειραματικά αποτελέσματα έδειξαν ότι ο VidOpt-GA πέτυχε σημαντική βελτίωση στην ποιότητα της εικόνας, φτάνοντας τα 34.92 dB (PSNR), σημειώνοντας αύξηση 0.34 dB σε σχέση με τις στατικές ρυθμίσεις. Παράλληλα, επιτεύχθηκε μείωση του μέσου τετραγωνικού σφάλματος (MSE) κατά 7.22%, επιβεβαιώνοντας την ανωτερότητα της προτεινόμενης μεθόδου στην παροχή υψηλής οπτικής πιστότητας. Η εργασία καταλήγει στο συμπέρασμα ότι η χρήση εξελικτικών αλγορίθμων, και συγκεκριμένα γενετικού αλγορίθμου, μπορεί να αυτοματοποιήσει και να αναβαθμίσει τις διαδικασίες κωδικοποίησης βίντεο.el
dc.description.abstractThis thesis explores the optimization of digital video compression using evolutionary algorithms. The need for more efficient compression is constant as data volume increases, making the discovery of ideal encoding parameters a complex process. In this context, we develop VidOpt-GA algorithm, which utilizes genetic algorithms to automatically select the optimal combination of bitrate and resolution. The methodology is based on evaluating solutions through a fitness function that combines PSNR (Peak Signal-to-Noise Ratio) and MSE (Mean Squared Error) metrics. Experimental results demonstrated that VidOpt-GA achieves a significant improvement in image quality, reaching 34.92 dB (PSNR), marking an increase of 0.34 dB compared to static settings. At the same time, the MSE is reduced by 7.22%, confirming the superiority of the proposed method in providing high visual fidelity. The thesis concludes that the use of evolutionary algorithms, specifically genetic algorithms, can automate and enhance video encoding processes.en
dc.identifier.urihttps://apothesis.hmu.gr/handle/123456789/11561
dc.language.isoel
dc.publisherΕΛΜΕΠΑ, Σχολή Επιστημών Διοίκησης και Οικονομίας (ΣΕΔΟ), ΠΜΣ Διοίκηση και Ψηφιακός Μετασχηματισμός
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United Statesen
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/
dc.subjectσυμπίεση βίντεο
dc.subjectεξελικτικοί αλγόριθμοι
dc.subjectγενετικοί αλγόριθμοι
dc.subjectH.264
dc.subjectβελτιστοποίηση παραμέτρων
dc.subjectvideo compression
dc.subjectevolutionary algorithms
dc.subjectgenetic algorithms
dc.subjectparameter optimization
dc.titleΒελτιστοποίηση συμπίεσης βίντεο με χρήση γενετικών αλγορίθμων.el
dc.titleOptimizing video compression using genetic algorithms.en
dc.typeΜεταπτυχιακή Διατριβή
heal.academicPublisherIDΕΛΜΕΠΑ Ελληνικό Μεσογειακό Πανεπιστήμιο
Αρχεία
Πρωτότυπος φάκελος/πακέτο
Τώρα δείχνει 1 - 1 of 1
Μικρογραφία εικόνας
Ονομα:
PitsikakiEleni2026.pdf
Μέγεθος:
1.04 MB
Μορφότυπο:
Adobe Portable Document Format
Λήψη
Φάκελος/Πακέτο αδειών
Τώρα δείχνει 1 - 1 of 1
Δεν υπάρχει διαθέσιμη μικρογραφία
Ονομα:
license.txt
Μέγεθος:
2.17 KB
Μορφότυπο:
Item-specific license agreed upon to submission
Περιγραφή:
Λήψη
Συλλογές
Μεταπτυχιακές εργασίες / Master Theses