随着训练数据体量和深度学习模型规模的不断提升，视觉基础模型（vision foundation model，VFM）和大语言模型（large language model，LLM）在多种类型下游任务中表现出优异的泛化能力，引发广大学者关注。在遥感（remote sensing，RS）领域，数据来源多样、模态复杂、地物类型丰富且分布异质，传统方法难以全面建模其中蕴含的语义与空间关系。围绕遥感多源数据特性和复杂地物关系设计预训练基础模型，对于提取通用、鲁棒的特征表示以及实现遥感影像智能解译具有重要意义。本文系统回顾了遥感预训练基础模型（remote sensing foundation model，RSFM）的研究进展，重点聚焦于单模态与多模态预训练策略的发展脉络和关键方法，梳理了当前主流遥感预训练数据集及其构建特性。在单模态方面，总结了典型的自监督对比学习（self-supervised contrastive learning，SSCL）与掩码生成预训练（masked generative pre-training）框架，并分析其在不同分辨率和多光谱影像中的应用效果；在多模态方面，重点回顾了图像—文本、图像—位置、图像—音频等多模态预训练策略及其特征对齐机制。进一步地，本文对遥感基础模型在跨场景适应、特征表征能力、预训练范式、数据质量与获取成本等方面所面临的主要挑战进行了分析，并从多模态融合、轻量化建模、跨域与跨时间泛化、模型透明度与可信性等角度，对未来遥感大模型的发展趋势与潜在研究方向进行了前瞻性探讨。本文旨在为遥感智能解译与大模型研究提供系统综述与理论参考。

目的图表作为直观高效的信息呈现方式，在科研与商业分析中扮演着重要角色。然而，当无法直接访问其底层原始数据时，基于图表进行深入分析便面临显著挑战。图表数据抽取技术旨在克服这一障碍，通过从视觉化的图表中精确提取数据，为后续的复杂指标计算、图表类型转换等下游任务提供关键的数据基础。本研究构建了一个大规模中文条形图数据集，并分别实现基于规则与大模型微调的图表数据抽取方法，以提升中文图表数据逆向提取的准确性与鲁棒性。方法本研究构建了包含58 712幅多种类型中文条形图及其对应数据表格的数据集，含垂直/水平/堆叠条形图、多角度文本旋转等复杂场景，并衍生出图表文本识别、图例检测等专项数据集，为中文图表理解任务提供了高质量、多样化的基准数据支持。同时，提出了两种基准模型：基于规则的图表数据抽取方法和基于大模型微调的数据抽取方法。最后，本文设计并实现了一个集成多模型的图表数据抽取与类型转换系统，以验证方法的实际应用潜力。结果基于规则的方法在中文条形图上取得了最佳的性能（69.97%）；而基于大模型微调的方法在DVQA（understanding data visualization via question answering）数据集上的性能显著超越了先进方法UniChart（a universal vision-language pretrained model for chart comprehension and reasoning）（24.53%）和DePlot（one-shot visual language reasoning by plot-to-table translation）（41.29%），分别高出36.75%和19.99%，表明了该方法在跨语言场景下的卓越泛化能力。 实验表明，基于规则的方法展现出处理特定图表类型的最佳性能，尤其在处理复杂图表结构方面具有明显优势；而基于大模型微调的方法虽然在单一图表类型上表现略逊，但具备更强的泛化能力和鲁棒性。结论本文创建的中文条形图表数据集为中文图表理解任务提供了高质量、多样化的基准数据支持，并设计了一个集成多模型的图表数据抽取与类型转换系统，以验证方法的实际应用潜力。数据集开源地址https://doi.org/10.57760/sciencedb.j00240.00052，相关代码开源地址https://github.com/maqiuping59/ChineseChartExtract。

目的运动图像去模糊是图像复原领域中一个具有挑战性的问题，在涉及复杂、非均匀模糊以及高频细节显著丢失的情况下，现有方法通常难以有效处理这些复杂性，导致图像复原结果不理想，表现出明显的模糊和细节缺失。提出了一种基于Transformer和多尺度特征融合的运动图像去模糊方法。方法采用编码器—解码器结构，在编码器部分，设计了结合卷积神经网络（convolutional neural network，CNN）和双重注意力机制的模块，以更好地提取图像特征；在特征融合部分，设计了多尺度特征融合模块，通过门控深度卷积前馈网络和特征增强模块，增强特征表达能力；在解码器部分，引入改进的Transformer模块，在前馈网络层将傅里叶变换融入特征提取过程，增强特征。结果在GoPro数据集和HIDE（human-centric indoor deblurring）数据集上与现有主流方法进行了对比实验，所提方法均取得了最优的去模糊效果。在GoPro数据集上，PSNR（peak signal-to-noise ratio）达到32.70 dB，SSIM（structural similarity index）达到0.954；在HIDE数据集上，PSNR达到30.53 dB，SSIM达到0.922。消融实验进一步验证了本文所提出的各个创新点在运动图像去模糊过程中的积极影响。结论本文提出的基于Transformer和多尺度特征融合的运动去模糊方法，在GoPro数据集和HIDE数据集的实验中，均显著优于现有主流方法，为运动图像去模糊任务提供了一种新的解决方案，展示了其在实际应用中的潜力。代码和模型获取网址：https://doi.org/10.57760/sciencedb.j00240.00170和https://github.com/zh7546/project.git。

目的针对现有基于神经渲染的去模糊场景重建方法在图像清晰度、新视角泛化能力以及计算效率等方面的局限性，提出一种融合事件相机数据与3D高斯泼溅（3D Gaussian splatting，3DGS）框架的新方法。方法一方面利用事件相机高时间分辨率优势，捕捉动态场景运动轨迹与亮度变化，弥补传统帧图像在动态场景下的信息缺失，为去模糊重建提供更丰富的时空约束；另一方面通过引入高斯形状属性变换网络，预测高斯体缩放、旋转等变换属性，动态调整其空间分布，显著缓解了原视角过拟合问题，同时避免新视角下因几何不匹配导致的模糊现象。结果实验结果表明，在合成数据集上，本文方法在PSNR（peak signal-to-noise ratio）、SSIM（structural similarity index）和LPIPS（learned perceptual image patch similarity）指标上优于对比方法，在真实数据集上，BRISQUE（blind/referenceless image spatial quality evaluator）值显著降低。与基于神经辐射场的方法相比，训练时间从48 h缩减至不足1 h，且实现了140 帧/s的实时渲染速度。结论实验结果验证了提出的方法在复杂场景下的去模糊能力和改善新视角渲染效果方面的有效性。

目的针对现有语义引导图像修复方法因其单向性而存在的潜在错误累积问题，提出交互式图像修复框架，通过在图像修复与语义分割模型之间构建双向反馈与校正机制，提升修复质量。方法构建“初始修复—半监督语义重校正—精细修复”三阶段框架，核心为“半监督语义重校正”模块：利用初始修复结果向语义分割模型反馈信息，结合跨图像语义一致性来校正语义分割结果；引入半监督学习机制，融合有标签和无标签数据进行语义分割模型的训练，减少对真实标签的依赖。结果在公开的CelebA-HQ（CelebA-high quality）数据集和Cityscapes数据集上进行实验，并与现有先进方法进行比较。实验结果表明，该方法在学习感知图像块相似度（learned perceptual image patch similarity， LPIPS）、峰值信噪比（peak signal-to-noise ratio， PSNR）和结构相似性（structural similarity index measure， SSIM）指标上综合表现更优：在CelebA-HQ数据集上，相较于MDTG（mutual dual-task generator）算法，本文方法的LPIPS降低5.88%、PSNR提升0.52%、SSIM提升0.22%；在Cityscapes数据集上，相较于MDTG算法，本文方法的LPIPS 降低 6.15%、SSIM 提升 1.58%、PSNR 提升 0.70%。消融实验的结果进一步验证了校正机制的有效性。结论该项工作成功地在修复和语义分割模型之间建立了交互式反馈机制，显著提高了图像修复的质量；尤其在处理复杂纹理和语义偏差时，表现出较好的修复效果；同时半监督学习策略的引入有效减少了对人工标注语义图的依赖。

目的深度卷积神经网络在单幅图像超分辨率（single image super-resolution，SISR）领域取得显著进展。但过度依赖加深网络结构易造成特征冗余与利用不足，限制细节重建。为此，提出一种基于自适应特征融合的循环网络（recursive network based on adaptive feature fusion，AFFRN），有效提取并融合不同深度的图像特征，实现更丰富的纹理重建。方法网络中，通过构建一个自适应特征融合模块（adaptive feature fusion module，AFFM）实现不同深度特征的有效融合。在AFFM中，设计了3个不同结构的分支：1）细节注意力分支（detail attention branch，DAB），用于捕捉显著细节特征；2）细节探索分支（detail exploration branch，DEB），负责挖掘深层特征信息；3）权重分配分支（weight assignment branch，WAB），自适应地为DAB和DEB提取的特征分配动态权重，从而实现更加精细的特征融合。同时，引入循环机制，将AFFM在每次迭代中提取的特征反馈用于下一次的迭代中，逐步提升特征表达能力。结果在5个公开测试数据集上的评估结果表明，所提出的方法在不同放大倍数下取得了不同程度的提升。当放大倍数分别为2、3和4时，在Urban100数据集上相比先进的自适应特征选择调制网络（adaptive feature selection modulation network，AFSMNet），峰值信噪比（peak signal-to-noise ratio，PSNR）分别提升0.75 dB、0.53 dB和0.54 dB，重建图像在视觉上具有明显优势。结论所提出的AFFRN网络通过结合循环机制与基于动态权重分配的多分支特征融合，实现了更丰富的细节重建，获得更高质量的超分辨率重建结果。