红色美术视域下新时代新思想图像叙事的三重逻辑

新时代新思想是中国化时代化的马克思主义,因此,推进新时代新思想的大众化传播是时代赋予我们的使命。当前社会随着各种图像技术的日臻成熟,人们已经进入了“读图时代”。而在众多图像之中,红色美术作品以其现实主义的形式以及人民性、红色性、经典性等特征成为了新时代新思想叙事图像的典范。因此,本文基于红色美术视域对新时代新思想图像叙事的历史逻辑、理论逻辑以及实践逻辑展开探究。     

基于CNN的SAR图像舰船目标检测算法

为了提升合成孔径雷达(Synthetic Aperture Radar,SAR)图像舰船目标检测的精度和速度,对卷积神经网络(Convolutional Neural Network,CNN)在SAR图像舰船目标检测上进行了研究。通过改进OTSU方法对SAR图像进行分割,并且用最小外接矩形将疑似目标标记出来;依据矩形中心在原始图像上提取出固定大小区域作为候选区域;将提取的目标通过训练好的卷积神经网络进行判定,去除虚警目标并将检测结果在原图中标记出来。实测数据的实验结果表明,该算法在降低虚警的同时提升了检测速度。     

基于暗原色先验的单幅图像去雾优化技术

雾霾等粒子的大气散射作用会使得图像采集设备所获取的图像质量下降,影响后续工作。基于暗原色先验理论提出一种单幅图像的去雾优化技术。针对景深突变处出现的"白边"与"黑化"现象,提出结合最小值滤波与中值滤波的粗估计透射率优化方法。并提出自适应限定透射率下限值的方法改善天空区域的颜色失真问题。实验结果表明,该算法在去雾效果及自适应性方面优于对比算法。     

基于多尺度特征聚类算法的不确定目标检测

提出一种基于无样本的SAR图像目标检测分类方法。针对空战过程中难以获得大量SAR图像目标样本问题,采用基于全局CFAR的多尺度SIFT特征进行目标纹理描述,并针对特征维度较高及特征描述之间存在的冗余问题,通过PCA算法对其进行降维处理后,采用DBSCAN算法对潜在目标区域的多尺度SIFT特征进行分类实现目标检测。通过单一目标和多类目标图像进行实验验证,实验结果表明该方法具有一定的有效性和可行性。     

集中控制混合网络中基于流的资源分配算法

集中控制混合网络中,异构化网络内部的流量具有一定的规律和特性,如果使用原有的单一的离散式最大极值和无状态的网络资源调度算法,忽略了异构网络规律,会造成网络利用率较低、易震荡、部分网络流延迟等问题。通过分析由集中控制网络和普通网络组成的混合网络的拓扑结构,对混合网络结构中常见问题如流闪现、不能估计的流、路径堵塞或连接震荡场景进行分析,并提出基于期望和状态的流量评价资源规划算法POS和POS-FME。算法考虑混合网络的运行状态,对系统可用资源进行评估,为系统中各种流匹配对应可用资源,并具有一定的预测作用,从而避免混合网络出现运行效率低下的场景。通过实验,POS算法和POS-FME算法相对传统算法,利用率提高了10%～30%,并降低了震荡和平均延迟。