Βασιλειάδης, ΓεώργιοςVasileiadis, GeorgiosΠιτσικάκη, ΕλένηPitsikaki, Eleni2026-03-242026-03-242026-03-24https://apothesis.hmu.gr/handle/123456789/11561Η 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.This 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.elAttribution-NonCommercial-NoDerivs 3.0 United Statesσυμπίεση βίντεοεξελικτικοί αλγόριθμοιγενετικοί αλγόριθμοιH.264βελτιστοποίηση παραμέτρωνvideo compressionevolutionary algorithmsgenetic algorithmsparameter optimizationΜεταπτυχιακή Διατριβή