目的运动模糊是图像采集过程中常见的退化现象，严重影响着三维场景重建与新视角合成的质量。现有基于三维高斯泼溅的去模糊方法存在两个问题：一是相机轨迹建模缺乏物理一致性保证，二是采用单一变换难以精确描述复杂非匀速运动。方法针对上述问题，提出一种面向运动去模糊的辛几何双路解耦三维高斯泼溅方法。该方法引入哈密顿动力学框架，将相机运动建模为相空间中的位置-动量对偶演化，再利用辛几何微分方程求解器确保相流满足辛保持性质，从物理本质上保证相机运动轨迹的连续性；在此基础上，提出一种物理先验与残差精修协同的双路自适应运动解耦框架，将相机运动分解为提供全局位姿基线的刚体运动分支和补偿细微运动偏差与积分近似误差的残差精修分支，两条支路通过自适应协同组合实现复杂非匀速运动的稳定表达；结果在 Deblur-NeRF 合成/真实数据集和 ExBluRF 极端模糊数据集上进行验证实验，与主流方法相比，在真实数据集和 ExBluRF 数据集上指标均达到最优，在合成数据集上 PSNR 和 LPIPS 达到最优，其中 PSNR 在三个数据集上较次优方法提升分别达0.12 dB、1.75 dB、1.87 dB，在复杂非匀速运动场景下优势尤为明显。结论实验结果表明，所提方法通过辛几何建模与双路解耦策略，有效提升了运动模糊场景下的三维重建质量。

目的无监督可见光-红外行人重识别（Unsupervised Visible-Infrared Person Re-identification，USVI-ReID）旨在无标注条件下实现跨模态行人匹配。然而，现有方法中的困难样本挖掘策略通常未考虑困难正负样本在对比学习中的不同优化作用，导致模型的类内紧凑性不足且类间分离性有限。针对上述问题，提出一种角色感知难样本建模方法，在嵌入空间中对困难正负样本进行差异化建模，以协同优化类内一致性与类间判别性。方法首先，基于共享伪标签构建模态特定身份中心，并利用同一身份在不同模态中心之间的偏移生成困难正样本，使生成样本能够在保持身份一致性的同时包含更具挑战性的跨模态差异；其次，通过子簇划分与近邻簇搜索，挖掘不同身份间的局部相似关系，并沿近邻簇方向构造困难负样本，以增强模型对易混淆身份的判别能力；此外，受课程学习思想启发，引入渐进式训练策略，通过逐步调整困难样本生成幅度控制训练难度，提高模型优化稳定性。结果在SYSU-MM01和RegDB两个公开可见光-红外行人重识别数据集上的实验结果表明，所提方法能够有效提升无监督跨模态特征学习性能。在SYSU-MM01数据集全搜索模式下，相比现有最优方法，Rank-1和mAP（mean average precision）分别提升5.5%和4.1%；在RegDB数据集的可见光-热成像搜索模式中，Rank-1和mAP分别达到93.0%和86.2%。结论通过区分困难正负样本在对比学习中的优化角色，并针对性地构造跨模态变化样本和类别边界样本，所提方法能够同时增强跨模态一致性和身份判别能力，为无监督可见光-红外行人重识别提供了一种有效的难样本建模策略。

目的空域自适应隐写算法通常根据图像内容复杂度选择嵌入位置，使隐写修改呈现强内容自适应性和稀疏分布特征。由于嵌入扰动幅度较小，隐写残差容易被图像纹理、边缘和背景噪声掩盖，现有隐写分析模型在弱隐写信号检测中仍存在频带信息利用不足、局部噪声与全局上下文联合建模不充分、特征空间判别边界不清晰等问题。针对上述问题，本文提出一种融合等分辨率频带与对比聚类的图像隐写分析网络 CRF-CCNet（Image Steganalysis Network Integrating Equal-resolution Frequency Bands and Contrastive Clustering），以增强模型对微弱隐写残差的表征和判别能力。方法在预处理阶段，本文构建了等分辨率拉普拉斯频带分解模块，在不进行下采样的条件下提取高频、中频和低频残差信息，并在各频带上引入 SRM 高通滤波器组，以增强不同频率成分中的隐写响应；随后通过自适应注意力融合机制动态调整各频带残差的贡献。在特征提取阶段，本文设计多路径特征增强模块，由轻量级 Swin Transformer 路径、深度可分离卷积路径和中央差分卷积路径并行组成，分别用于建模全局上下文关系、提取局部纹理特征以及增强邻域差值和边缘扰动响应，并通过门控机制实现多路径特征融合。在分类优化阶段，引入多尺度对比聚类损失，通过动态类别原型约束载体图像与隐写图像在特征空间中的分布，压缩类内距离并扩大类间间隔，同时利用跨尺度一致性约束保持不同层级隐写特征之间的结构一致性。结果在 BOSSBase 1.01和BOWS2数据集上，采用WOW、HILL和S-UNIWARD三种典型空域自适应隐写算法进行实验。结果表明，在 BOSS+BOWS2 数据集、0.4 bpp 嵌入率条件下，CRF-CCNet对WOW、HILL和S-UNIWARD的检测准确率分别达到 94.81%、89.55% 和 92.47%，较 HSMNet 分别提高0.83、1.55和1.15%。与轻量级隐写分析网络 LWENet 相比，本文方法在 WOW0.4bpp 条件下将检测准确率由90.59%提高至94.81%，提高4.22%；同时参数量由0.82 M降至0.67M，减少约18.3%。在计算复杂度方面，CRF-CCNet的FLOPs为20.25 G，与LWENet的19.45G处于同一量级，推理速度达到82.4FPS。结论CRF-CCNet 通过等分辨率多频带残差建模、多路径特征增强和多尺度对比聚类优化，提高了模型对弱隐写扰动的感知能力和特征判别能力。在保持较低参数量和较高推理效率的同时，所提方法在多种空域自适应隐写算法上取得了较好的检测准确率，可为轻量化图像隐写分析模型设计提供参考。

目的夜间甜瓜识别和采摘严重依赖人工光源。不同人工补光配置下，甜瓜果实和茎部的图像表观可能不同，语义分割模型的训练和跨配置测试结果也可能存在差异。为助力夜间农产品识别和采摘，构建了多颜色人工光照甜瓜分割图像数据集MelonNightColor。方法在保持相机位置、拍摄距离和补光灯方位一致的条件下，切换补光灯红、绿、蓝通道配置，获取红、蓝、绿、青、紫、黄、白7种人工补光配置下的夜间甜瓜图像。当前已发布5474张图像及像素级标注（覆盖782个拍摄位置，标注背景、甜瓜果实和茎部3个类别）。以拍摄位置为最小划分单元划分训练集、验证集和测试集，确保同一场景的7种颜色图像不跨集合，并组织为7个单颜色子集和4个组合颜色子集。采用9种代表性语义分割模型进行基线评测，并以UNet构建7×7跨颜色泛化矩阵。结果9种模型在7种光源下的背景、果实和茎部的类别交并比（intersection over union，IoU）均值分别为99.05%、86.39%和38.84%，茎部因形态细长且易受遮挡影响而分割难度最大。白光和黄光下9种模型平均交并比（mean intersection over union，mIoU）均值较高，分别达78.17%和77.94%；红光和蓝光下相对较低，分别为72.93%和73.23%。UNet同颜色测试平均mIoU为80.38%，跨颜色测试平均mIoU为44.25%。该结果显示，在本数据集的设备、品种和采集条件下，不同补光配置及自动成像过程共同作用下，训练与测试补光配置不一致时模型性能出现明显下降。结论MelonNightColor提供了夜间甜瓜多颜色成组图像和像素级标注。未来，数据集MelonNightColor可为特定夜间人工补光条件下的甜瓜语义分割基线评测和跨配置模型研究提供公开数据基础。数据集已在中国科学院科学数据银行公开，数字对象标识符（digital object identifier，DOI）为https：//doi.org/10.57760/sciencedb.j00240.00237。

目的肝肿瘤的精确分割常受限于高质量标注数据的稀缺。尽管数据合成技术提供了替代方案，但现有的一些合成方法容易生成缺乏解剖合理性的样本。此外，合成图像中存在的非自然伪影，可能导致模型陷入捷径学习，进而影响其在真实临床数据上的泛化性能。为应对这些挑战，设计一种无需真实肿瘤标注的肝肿瘤分割框架Know2Seg。方法首先，结合相关临床影像知识，在不同的合成环节设置相应约束，实现临床知识引导的合成策略：利用椭球先验与弹性变形等方法生成肿瘤掩膜，通过全变分去噪与小波变换等处理构建多尺度的合成纹理，进而生成符合临床解剖规律的CT（computed tomography）扫描及其分割标签。其次，为缓解合成伪影对模型训练的干扰，利用合成过程的中间态真值，以及模型输出的肿瘤后验概率，作为辅助监督信号。通过基于图像解耦思想的训练架构引导模型将输入图像显式解耦为健康解剖与病灶纹理两个成分，引导模型将注意力从合成伪影转移至深层语义病理特征。结果实验表明，Know2Seg在不使用真实肿瘤标注的前提下，分割性能与同等实验条件下的全监督方法相当，并且优于一些其他的无标注方法。在LiTS数据集上，Know2Seg的Dice相似系数（dice similarity coefficient， DSC）达到62.9%、归一化表面Dice（normalized surface dice， NSD）达到65.5%、表面距离（surface distance， SD）降至14.0 mm、豪斯多夫距离（95% hausdorff distance， HD95）降至40.4 mm。结论本文通过将相关临床影像知识转化为可计算的合成约束，并利用图像解耦思想缓解了捷径学习问题，构建了一个兼顾可解释性与鲁棒性的无标注肿瘤分割框架。

目的现有自然场景文本编辑方法聚焦在仅包含单一文本内容图像块的同语编辑，无法实现跨语言文本编辑。针对此问题，本文提出一种端到端的英文到中文自然场景图像文本寻译框架SceneTrans，实现自然场景图像文本的精准定位、英文到中文的跨语言翻译及视觉风格一致的图像文本编辑。方法以MiniCPM-V 2.6多模态大模型为基线，设计基于位置增强提示模板的微调策略实现文本定位与翻译的联合学习；设计中文字形结构编码器实现中文字形先验的精准建模，引入中文字形识别监督机制保障生成图像文本的字形准确性；为解决领域内文本寻译数据匮乏的难题，构建英中配对的SynthTrans专用数据集，收集多种中英兼容字体，合成了20万对包含弯曲、倾斜等复杂字形变换的英中匹配自然场景文本图像。结果实验在文本检测数据集及自建SynthTrans数据集上与其他方法进行了比较。在图像文本定位任务上，所提方法的F1值接近主流模型的检测效果；在图像文本编辑任务上，所提方法的平均结构相似性（structural similarity index measure，SSIM）达0.622、峰值信噪比（peak signal-to-noise ratio，PSNR）达18.51，文本渲染准确率（accuracy，ACC）值提升至71.13%；整体框架具备高效的自然场景图像文本寻译能力。结论本文所提出的端到端寻译框架，实现了自然场景图像文本“定位-翻译-编辑”的一体化流程，可生成字形精确、与原始图像文本风格一致的中文图像文本，突破了传统方法的无法定位及同语编辑的局限，为自然场景图像文本寻译提供了新的解决方案与数据集支撑。