“物色”作为中华感兴美学精神之光的灿烂显现

“物色”作为中华感兴美学理论的一个基本范畴,最初由刘勰提出。“物色”既是中华古典艺术审美“感物”“感兴”“比兴”得以发生的对象来源,又是古典艺术“意象”“气象”“意境”得以生成的重要基础。物色论是进入中国古典美学尤其是感兴美学研究的必经之路,但学界对物色论美学范畴的研究相对薄弱。“物色”美学范畴在中国美学史上形成了一个绵延不断的学术谱系。“物色”美学范畴的哲学基础是中国古代气论哲学和气感哲学。“物色”是宇宙元气和天地精神在自然物象之声色状貌光影中的感性闪耀,同时又是人的德性精神之光与自由精神之光的生动呈现。物色成为中华感兴美学精神之光的灿烂显现。物色论美学可与西方美学的自然美论、形式美论、审美感性论、灿烂感性论、存在境域论加以比较,亦可与德国古典美学精神和马克思主义美学精神相互发明。物色美学范畴因而具有重要的当代意义和普遍价值,值得展开系统研究和现代阐释。

中华感兴美学的元美学意义与当代创新

中华感兴美学是以“兴”为枢机,比兴和感兴交织互动、双向拓展、融会贯通的美学理论。“兴”是中华古典艺术和美学最重要的元范畴,感兴美学则是最具中华民族特色和精神气质的元美学。与西方“元美学”术语不同,中华感兴美学的元美学意义表现在“:兴”是中华古典艺术和美学的元范畴、“兴”在中国古典美学史上的地位堪比西方的“逻各斯”、感兴美学是中国古典美学的“开山之纲领”、感兴美学历来被誉为“诗学之正源,法度之准则”、感兴美学凝聚了中华美学独特的精神气质。开展感兴美学的元美学探源性研究和创新性研究,对于深化中国美学史和中华美学精神研究具有重要意义。应当在新的历史条件下复兴和创新中华感兴美学,使之全面进入当代美学、文艺学和艺术学理论。

改进卷积神经网络的医学图像感兴趣区域识别

图像中的噪声会提高图像特征信息提取难度,影响图像识别时的细节保留效果,为此提出改进卷积神经网络的医学图像感兴趣区域识别方法。分析医学图像主要噪声来源,构建噪声模型,利用非局部均值滤波算法计算图像全部像素的加权平均值,完成图像去噪处理;通过图像求反、对比度增加和灰度调节等操作增强图像细节信息;利用局部区域特征提取方法获取图像基础纹理特征,包括灰度、平滑度与熵值等;建立具有卷积层、池化层、全连接层的卷积神经网络模型,引入区域建议网络对其改进,通过该网络确定识别的候选区域,将图像特征作为网络输入,经过不断学习迭代,输出最终感兴趣区域。实验结果表明,所提方法在提高图像质量的基础上,识别出的感兴趣区域较为完整,包含的有用信息更多。

基于有限元仿真的ECT感兴趣区域高分辨率图像重建

感兴趣区域的高分辨率图像重建是电容层析成像(electrical capacitance tomography,ECT)技术的研究热点之一。均匀电极分布的ECT模型仅在重建场域的边界位置具有较高的灵敏度系数,不适用于感兴趣区域成像。为改善感兴趣区域中的灵敏度分布,提高图像分辨率,提出了一种基于有限元仿真ECT感兴趣区域高分辨率图像重建方法,根据保角变换理论优化电极分布。进行了仿真实验,将均匀电极和优化电极分布的灵敏度矩阵代入Tikhonov算法、Landweber算法和ART算法,重建结果表明上述方法可有效提高感兴趣区域的图像重建精度。

基于动态感兴趣区域和大数据的气象灾害动态预警方法

为了降低气象灾害损失,提出基于动态感兴趣区域和大数据的气象灾害动态预警方法。构建客户端/服务器模式的气象灾害动态预警框架,采集气象相关信息及受灾主体信息,经数据处理层处理后,利用改进模糊C均值聚类算法,提取卫星云图的动态感兴趣区域,确定气象灾害场景及可能影响区域,采用3个改进深度收缩自编码网络,分别提取感兴趣区域气象因素、环境因素、受灾主体因素特征,构建场景识别的Softmax分类器,确定场景与各致灾因素的关联度,结合支持向量机确定气象灾害等级、类型,实现气象灾害的动态预警。实验结果表明,该方法聚类效果突出,能识别气象灾害类型及等级。

基于改进SSD的合成孔径声纳图像感兴趣小目标检测方法

轻量化目标检测模型SSD-MV3(Single Shot Detection-MobileNet V3)因输入图像尺寸限制无法直接检测高分辨率大尺寸合成孔径声纳(Synthetic Aperture Sonar,SAS)图像中感兴趣小目标.为此,本文提出了一种新的目标检测方法HRSSD(High Resolution Single Shot Detection),该方法通过冗余切割确保SSD-MV3输入图像尺寸的规范以及感兴趣小目标的完整,并利用二次非极大值抑制保证检测结果的唯一.此外,提出了一种尺度、空间和通道注意力机制联合的特征提取模块,并利用该模块重新设计了SSD-MV3的基础网络和附加特征提取网络,记作SSD-MV3P(Single Shot Detection-MobileNet V3 Pro),使得SSD-MV3P能更有效的感知感兴趣小目标特征信息.实验结果表明,在感兴趣小目标检测数据集SST(Sonar Small Targets)上,SSD-MV3P的平均检测精度(mean Average Precision,mAP)比SSD-MV3提升4.39%.HRSSD实现了高分辨率大尺寸SAS图像感兴趣小目标的检测,并且保证了同一位置上检测结果的完整性和唯一性.

基于眼动信号的感兴趣检测方法研究

为了使机器智能达到人类的识别能力,需要提供标注的难例样本。常用的键盘、鼠标等标注方式效率较低,基于眼动信号的标注方式无需手动操作,但目前研究多采用依赖特征工程的浅层模型实现感兴趣检测以标注样本。针对浅层模型存在的问题,基于特征通道权重重分配多尺度残差网络模型对注视序列分类以实现感兴趣检测,并通过对比实验验证本文方法的有效性。实验结果表明:提出的多尺度残差网络模型分类精度达到96%,较现有基于浅层模型的方法和未改进的基于深层模型的方法,显著提升了感兴趣检测的精度和鲁棒性。

胃癌区域淋巴结体积测量:球面感兴趣区CT阈值法和手动勾画计算容积法的比较

目的:比较和分析两种基于CT影像的胃癌区域淋巴结体积测量方法--球面感兴趣区(Sphere ROI) CT阈值法和手动勾画计算容积法的一致性。方法:收集接受根治性手术治疗的81例胃癌患者资料,根据纳入和排除标准,从转移性、非转移性淋巴结中各选取50枚进行测量和分析,比较两种方法测量淋巴结体积的一致性。一致性检验采用Kappa检验和组内相关系数(ICC)检验。结果:2名医师应用手动勾画计算容积法测量淋巴结体积的一致性(Kappa=0.823,ICC=0.980),以及应用Sphere ROI CT阈值法测量淋巴结体积的一致性(Kappa=0.892,ICC=0.992)均良好,且后者优于前者。另一方面,医师A在不同时间点应用手动勾画计算容积法测量淋巴结体积的一致性(Kappa=0.822, ICC=0.988),以及应用Sphere ROI CT阈值法测量淋巴结体积的一致性(Kappa=0.874,ICC=0.994)也较好,且后者优于前者。结论:Sphere ROI CT阈值法在胃癌区域淋巴结体积测量的一致性优于手动勾画计算容积法,且操作更简单便捷,推荐在胃癌区域淋巴结体积测量上优先考虑使用Sphere ROI CT阈值法。

基于HSV色彩空间的图像感兴趣区域提取方法研究

嵌入式设备中部署深度学习检测模型往往面临算力不足的问题,而感兴趣区域(ROI)提取可作为一种高效的性能优化手段。文章提出一种基于HSV(Hue,Saturation,Value)色彩空间模型的ROI提取的方法,将检测目标的像素信息转化到HSV色彩空间,在色相-饱和度(H-S)平面引入DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚类算法,精确定位目标的主色彩像素在H-S平面上的分布位置,同时过滤杂乱色彩,然后通过Quickhull(快壳)凸包算法,从散点数据中拟合出主色彩的精确分布范围。根据获取的主色彩范围对像素进行遍历,可以根据色彩信息有效地提取ROI。实验结果表明,经过该方法优化后的Faster R-CNN(Faster Regions with Convolutional Neural Networks)算法,较原模型减少了57.08%的平均推理耗时,同时精确率提升了0.9百分点。这对于嵌入式设备中进行实时目标检测具有重要的现实意义。

基于感兴趣区域的物体抓取位姿检测

在工业生产中,待抓取物体往往具有种类众多、摆放位置杂乱、形状不规则等特点,使得难以准确获取物体抓取位姿。针对以上问题,提出一种基于深度学习的两阶段抓取位姿估计方法。第1阶段,提出一种基于YOLOv4(you only look once version4)改进的轻量级旋转目标检测算法,提高目标的检测速度和检测精度。首先,使用轻量化网络GhostNet和深度可分离卷积对原始网络进行重构,降低整个模型参数。然后,在颈部网络中增加自适应空间特征融合结构和无参注意力模块,提高对感兴趣区域的定位精度;最后,使用近似倾斜交并比(skew intersection over union,SkewIoU)损失解决角度的周期性问题。第2阶段,制作与原始图片尺寸一样的掩膜提取感兴趣区域;同时,提出一种改进的DeepLabV3+算法,用以检测感兴趣区域中物体的抓取位姿。实验结果表明,改进后的YOLOv4网络检测精度达到92.5%,改进的DeepLabV3+算法在Cornell抓取数据集上的图像拆分和对象拆分精度分别达到94.6%,92.4%,且能准确检测出物体的抓取位姿。

个体化塑形的鼻咽癌多感兴趣区图像配准摆位误差

目的:探究鼻咽癌个体化塑形多感兴趣区图像配准对摆位误差的影响。方法:随机选取43例鼻咽癌放疗的患者,采用发泡胶个体化塑形联合头颈肩热塑膜对其进行体位固定,每周一次CBCT摆位校准。在CBCT图像上,将感兴趣区(ROI)划分为临床使用的全ROI(ROI_(PTV))和7个包含不同颈段结构的局部ROI(ROI_(蝶窦)、ROI_(寰枢椎)、ROI_(颈3)、ROI_(颈4)、ROI_(颈5)、ROI_(颈6)、ROI_(颈7)),分别与定位CT图像配准,记8个ROI在头脚(SI)、左右(LR)、腹背(AP)、Pitch、Roll、Yaw方向的配准误差。结果:SI方向ROI_(颈7)的摆位误差在0.3 cm以内的占89.74%,其余ROI在0.3 cm以内均占90%以上。LR方向随着颈段往上,摆位误差在0.3 cm以内的占比逐渐增加,ROI_(颈7)、ROI_(颈6)、ROI_(颈5)摆位误差在0.3 cm以内的占比分别为76.78%、81.70%和85.26%,其余ROI占比均在90%以上;AP方向除ROI_(寰枢椎)和ROI_(颈3)外,其余ROI摆位误差在0.3 cm以内的占比均低于90%。ROI_(蝶窦)、ROI_(寰枢椎)、ROI_(颈3)、ROI_(颈4)与ROI_(PTV)在SI方向的摆位误差均呈显著正相关(R=0.94、0.95、0.90、0.83);ROI_(蝶窦)与ROI_(寰枢椎)、ROI_(颈3),ROI_(PTV)与ROI_(颈3)在LR方向的摆位误差均呈显著正相关(R=0.95、0.91、0.91);AP方向ROI_(PTV)与ROI_(寰枢椎)、ROI_(颈3)的摆位误差均呈显著正相关(R=0.88、0.90)。8个ROI的外扩为0.38~1.01 cm,其中ROI_(颈6)与ROI_(颈7)在AP方向的外扩均超过0.90 cm,ROI_(颈7)在SI方向的外扩达到0.95 cm。结论:ROI_(PTV)与ROI_(蝶窦)、ROI_(寰枢椎)、ROI_(颈3)在SI、LR和AP方向均存在显著相关性;随着颈段从第三颈椎往下,鼻咽癌患者分段摆位误差逐渐增大;头颈部鼻咽癌患者用发泡胶进行个体化塑形时,鼻咽部和颈椎区域需分段进行外扩。

视觉注意模型的低照度图像感兴趣区域检测

针对低照度图像质量较低导致的检测困难问题,提出一种基于视觉注意模型的低照度图像感兴趣区域检测方法。将图像由RGB色彩空间转换至HSV色彩空间,通过NSST获取图像的多个高通子带和一个低通子带;在高通子带中利用自适应阈值去噪法去噪V分量,在低通子带中采用多尺度Retinex增强V分量,再修正增强后图像S分量,将处理后图像转换回RGB色彩空间;依据视觉注意模型分别获取图像亮度显著值、色彩显著值和方向显著值,联合构建图像像素点特征向量,采用过渡滑动窗贝叶斯方法实现图像感兴趣区域检测。实验结果表明,所提方法的预处理效果更理想、错分率和误分率更低。

基于感兴趣区域的微表情识别算法研究

作为人们内在情绪的流露和掩饰,微表情具有不可伪造和抑制的特点,对评价和了解个体的情感状态具有重要意义。然而,现有的微表情识别方法存在特征表征的主观性和不稳定性等问题,以及数据量不足和微表情类型分布不均的挑战。为解决这些问题,本文提出了一种基于感兴趣区城(ROIs)的微表情识别算法。研究结果表明,该算法在微表情检测和类型识别方面具有较好的性能和先进性,对微表情识别领域的发展具有重要的参考意义和借鉴价值,未来有望在情感识别、心理诊断和虚拟现实等领城得到广泛应用。

一种边缘梯度插值的感兴趣区域池化算法

针对现有主流的目标检测算法存在检测精确率低、图像边缘区域分割不全等问题,提出一种基于Mask RCNN模型的感兴趣区域池化算法.首先,通过Otsu阈值分割法将感兴趣区域特征图划分为边缘区域和非边缘区域;其次,对边缘区域使用边缘梯度插值算法进行插值,对非边缘区域使用双线性插值算法进行插值,从而将离散的特征图映射到一个连续空间中;再次,将插值后的特征图均匀分割成k×k个单元;最后,对每个单元利用二重积分求均值以完成池化操作.对比实验结果表明,该算法基于Mask RCNN模型在数据集COCO(2014)上比现有算法的检测精确率有一定提升,对图像边缘区域的细节分割效果较好.

基于感兴趣区域的螺栓位姿及尺寸检测研究

为了提高工业生产中螺栓定位抓取的效率和准确性,提出基于感兴趣区域的螺栓位姿及尺寸检测方法。首先利用YOLOv5目标识别算法对螺栓目标进行识别,将识别出的目标区域截取为感兴趣区域。再利用中值滤波和二值化方法对ROI进行预处理,采用Canny改进算法检测目标轮廓。通过最优拟合直线算法获取螺栓的倾斜角度,并用矩特征算法求解出螺栓重心位置。最后采用霍夫两直线段最短距离算法检测螺栓直径。经过实验验证采用YOLOv5目标识别算法的识别准确率达到92.7%,螺栓倾斜角度的检查误差为±1.2°,螺栓直径的检测误差率为±5.5%,实现了对螺栓位姿和尺寸的识别。

基于眼动跟踪的视频视觉感兴趣区域提取仿真

海量视频中具有显著特征的区域为感兴趣区域。由于视频图像中普遍存在较多单目标特征,轮廓边缘关联性较强,干扰视觉区域的提取。于是提出基于眼动跟踪的视频视觉感兴趣区域提取方法。提前转换原始视频颜色空间,降低色彩影响程度,检测原始视频边缘,利用形态学闭运算填补视频边缘断裂位置并去噪,通过旋转校正处理得到简单完整的视频图像,利用眼动跟踪处理技术提取纹理特征以及亮度显著图,实现视频视觉感兴趣区域提取。实验结果表明,研究方法能够精准提取出视频视觉感兴趣区域,峰值信噪比最高可达1.5dB,验证了该方法的应用精度和图像质量增益均较高。

基于感兴趣区域和过滤伪边缘的暖通空调供水管道焊接法兰焊缝识别方法

针对仅提取单一的图像特征,焊缝识别效率不高的问题,设计了基于感兴趣区域和过滤伪边缘的暖通空调供水管道焊接法兰焊缝识别方法。利用工业相机等设备对焊缝图像进行采集,并对采集到的图像进行降噪处理,基于过滤伪边缘去除焊缝图像的多余信息,通过计算焊缝图像的各项参数,在感兴趣区域的作用下,计算激光条纹的斜率和特征点的间距,完成焊缝图像的特征提取;通过构建的焊缝识别模型,对焊缝图像进行梯度计算,完成对焊缝的识别。在试验测试中,文中设计的基于感兴趣区域和过滤伪边缘的暖通空调供水管道焊接法兰焊缝识别方法识别时间为1.45 ms,识别效率更高。

对书不“感冒”的姗姗

在对姗姗家访的过程中,姗姗妈妈问我:“老师,每天我都给宝宝念故事,可是并没有发现亲子阅读有什么效果,姗姗好像对书不太‘感冒’,这是为什么呢?”我惊讶地看着姗姗妈妈,心里犯嘀咕:怎么可能?在幼儿园,每次我讲故事时,姗姗听得最认真;当我讲完故事后,她还抢答我的问题,不像是个对书不感兴趣的孩子。

基于俯观相似度的遥感图像变化目标检测

提出了一种基于俯观相似度的光学遥感图像变化目标检测方法。对输入的两幅同一区域不同时段拍摄的光学遥感图像进行配准后,分别进行目标检测,提取出所有感兴趣的目标区域。采用残差网络提取目标的俯观特征,提升了特征的鲁棒性。通过计算目标间的俯观相似度,利用距离判据和相似度判据判断目标是否发生变化,实现变化目标检测。实验结果表明,提出的方法较现有的方法具有更好的性能表现,平均F1可以达到0.837。

改进YOLOv5s的遥感图像目标检测

针对遥感图像中感兴趣目标特征不明显、背景信息复杂、小目标居多导致的目标检测精度较低的问题,本文提出了一种改进YOLOv5s的遥感图像目标检测算法(Swin-YOLOv5s)。首先,在骨干特征提取网络的卷积块中加入轻量级通道注意力结构,抑制无关信息的干扰;其次,在多尺度特征融合的基础上进行跨尺度连接和上下文信息加权操作来加强待检测目标的特征提取,将融合后的特征图组成新的特征金字塔;最后,在特征融合的过程中引入Swin Transformer网络结构和坐标注意力机制,进一步增强小目标的语义信息和全局感知能力。将本文提出的算法在DOTA数据集和RSOD数据集上进行消融实验,结果表明,本文提出的算法能够明显提高遥感图像目标检测的平均准确率。