Έμβλημα Πολυτεχνείου Κρήτης
Το Πολυτεχνείο Κρήτης στο Facebook  Το Πολυτεχνείο Κρήτης στο Instagram  Το Πολυτεχνείο Κρήτης στο Twitter  Το Πολυτεχνείο Κρήτης στο YouTube   Το Πολυτεχνείο Κρήτης στο Linkedin

22
Δεκ

Παρουσίαση Διπλωματικής Εργασίας κ. Παπαναστασίου Αναστασίου - Παναγιώτη - Σχολή ΗΜΜΥ
Κατηγορία: Παρουσίαση Διπλωματικής Εργασίας  
Τοποθεσία
Ώρα22/12/2022 10:30 - 11:30

Περιγραφή:

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

ΑΝΑΣΤΑΣΙΟΥ ΠΑΝΑΓΙΩΤΗ ΠΑΠΑΝΑΣΤΑΣΙΟΥ

με θέμα

Η Μελέτη ενός Νέου Κβαντιστή Εμπνευσμένου από τις Νευροεπιστήμες σε μια Ολοκληρωμένη Αρχιτεκτονική Συμπίεσης Εικόνας

The study of a novel neuro-inspired quantizer in an integrated image compression architecture

Εξεταστική Επιτροπή

Καθηγητής Ζερβάκης Μιχαήλ (Επιβλέπων)
Καθηγητής Πετράκης Ευριπίδης (ΔΕΠ)
Δρ. Δούτση Ευφροσύνη, Εξωτερικός Επιστήμονας, Κάτοχος Διδακτορικού Διπλώματος

Περίληψη

Σε αυτήν τη διπλωματική εργασία μελετάται η απόδοση ενός προσφάτως κυκλοφορηθέντα κβαντιστή ονόματι DUAL-SIM εντός μιας ολοκληρωμένης αρχιτεκτονικής συμπίεσης εικόνας. Αυτός ο κβαντιστής εμπνέεται από τη δομή και τις λειτουργίες των βιολογικών νευρώνων οι οποίοι έχουν την ικανότητα να μετατρέπουν ένα οπτικό ερέθισμα σε μια ακολουθία διακριτών γεγονότων, που ονομάζεται ακολουθία αιχμών. Στην εργασία αυτή, ο εμπνευσμένος από τις νευροεπιστήμες κβαντιστής συνδυάζεται με σύγχρονα φίλτρα, όπως τον διακριτό μετασχηματισμό συνημιτόνου (DCT) και τον διακριτό μετασχηματισμό κυματιδίων (DWT), προκειμένου να μελετηθεί το αντιστάθμισμα μεταξύ της απόδοσης και της παραμόρφωσης που δημιουργεί η προτεινόμενη αρχιτεκτονική συμπίεσης εικόνας.

Abstract

In this thesis we study the performance of a recently released quantizer named DUAL-SIM within an integrated image compression architecture. This quantizer is motivated by the structure and functions of biological neurons which have the ability to convert a visual stimulus into a sequence of discrete events, called spike train. In this work, the neuro-inspired quantizer is combined with state-of-the-art filters, such as the Discrete Cosine Transform (DCT) and the Discrete Wavelet Transform (DWT), in order to study the trade-off between performance and distortion created by the proposed image compression architecture.

© Πολυτεχνείο Κρήτης 2012