目的零样本艺术字生成需从独立参考样本中重组字符身份、字形结构和视觉字效。针对现有方法整体建模艺术字风格、异构条件协调不足，导致未见属性组合下结构扭曲和风格偏移的问题，提出一种面向可控零样本艺术字生成的多条件扩散方法。方法提出组合式多条件扩散模型，以独立的字符、字形和字效参考图作为生成条件；设计跨域特征聚合模块，以字符特征为结构锚点，降低字形与字效信息之间的相互干扰；引入基于自适应实例归一化的跳跃连接，传递多尺度结构特征与风格统计信息；采用组合式对比学习约束匹配与不匹配属性组合。为弥补现有数据集在属性多样性、结构复杂度和组合覆盖方面的不足，并系统评估模型对未见字符、字形和字效组合的泛化能力，构建包含921，600幅图像、30种字形和30种字效的中英文艺术字数据集SSAFv2。结果在SSAFv2的未见字符—已见风格（unseen character-seen style，UCSS）、已见字符—未见风格（seen character-unseen style，SCUS）和未见字符—未见风格（unseen character-unseen style，UCUS）中文子集上，提出模型的L1损失分别为0.1754、0.1417和0.1759，弗雷歇初始距离（Fréchet Inception Distance，FID）分别为34.58、30.19和52.73，结构相似性（structural similarity index measure，SSIM）分别为0.6351、0.8600和0.4870，整体优于对比方法；在Fonts、TE141K-EN和SSAFv2-EN数据集上的表现也优于对比方法。定性结果与用户评价表明，该方法能够较好地保持复杂字符结构和局部字效细节。结论将字符、字形和字效作为独立属性进行建模，并通过跨域特征聚合与组合式对比学习实现多条件协同，可有效缓解异构属性融合中的特征干扰与错误耦合，增强模型对属性差异及其组合关系的感知能力，从而提高未见属性组合下艺术字的结构保真性与风格一致性。本文代码及数据集已在ScienceDB公开，链接为：https：//doi.org/10.57760/sciencedb.013hc。

目的针对现有点云几何压缩方法存在忽略频域信息、难以平衡感受野和计算复杂度的问题，提出了一种融合频域全局与空域局部特征的点云几何压缩方法，旨在提升压缩性能。方法首先在点云压缩网络中引入了快速傅里叶变换，利用点云的频域信息来构建点云的全局特征，有效地扩大了感受野，避免了注意力机制的高复杂度。同时，设计了一种基于八叉树的卷积，利用八叉树的层次化结构和紧凑表示，高效提取点云的多尺度局部几何特征，克服了基于张量的稀疏卷积计算与内存开销大的缺陷。此外，还提出了一种通道位移卷积，利用通道位移操作，在不改变八叉树卷积核大小的条件下进一步扩大感受野，有效缓解八叉树中感受野随层级增加而受限的问题。结果在8iVFB（8i voxelized full bodies）、Owlii（Owlii dynamic human textured mesh sequence dataset）和MVUB（Microsoft voxelized upper bodies）等公开点云数据集上进行实验验证，以每点比特数（bits per point，bpp）、编解码时间和内存占用作为评价指标。实验结果表明，所提方法在跨数据集和同源数据集测试场景下均取得优于现有方法的压缩性能，在跨数据集场景下平均bpp较基于几何的点云压缩方法G-PCC（geometry-based point cloud compression）和SparsePCGC分别降低43.00%和5.91%，同时相比SparsePCGC显著降低编解码时间和内存占用。结论所提出的方法通过融合频域全局特征建模与空域局部结构增强，有效提升了点云几何结构的表示能力和占用概率预测精度，在保证较低计算复杂度的同时实现了更加高效的点云几何压缩。

目的合成孔径雷达（synthetic aperture radar，SAR）图像目标检测面临相干斑噪声干扰与离散散射中心长程关联困难双重挑战。现有卷积神经网络受限于局部感受野，而视觉Transformer存在算力瓶颈。为此，本文提出一种兼顾全局长程建模、抗噪与轻量化的新架构。方法提出频空协同状态空间网络（frequency-spatial Mamba network，FSM-Net）。首先，构建可学习频域门控激活机制自适应滤除高频散斑噪声，提供纯净状态先验；其次，在主干引入选择性状态空间模型，融合深度可分离卷积与二维多向连续扫描，在线性复杂度下实现离散散射中心全图级拓扑关联；最后，设计自适应跨流融合机制，利用滑窗无参注意力与重参数化通道投影，以低推理开销补偿一维序列展平导致的高频空间细节丢失。结果在SAR舰船检测数据集（SAR ship detection dataset，SSDD）和高分辨率SAR图像数据集（high-resolution SAR images dataset，HRSID）上进行对比实验。FSM-Net在参数量仅约8.72 M的条件下，精度显著优于主流基线及视觉Mamba（vision Mamba，VMamba）等模型。在SSDD数据集上，均值平均精度（mean average precision，mAP）与mAP50-95分别提升1.9%和1.5%；在HRSID数据集上分别提升1.5%和1.1%。结论本文提出的FSM-Net有效打通了频域抗噪先验与空域长程演化的逻辑闭环，在保持模型轻量化计算开销的前提下，有效弥补了状态空间模型的局部感知短板，为复杂场景下的高精度轻量化SAR目标检测提供了极具潜力的全新范式。

目的高光谱多类变化检测旨在识别同一区域不同时间地表覆盖的具体变化类型，在生态监测、资源调查等领域具有重要应用价值。然而，双时相高光谱图像之间由于光照条件、气候变化等因素产生伪变化现象，容易对检测结果造成负面干扰。同时获取高光谱图像标注数据的成本较高，导致现有深度学习方法在标记样本有限时难以获得理想的检测效果。针对上述问题，本文提出了一种面向小样本高光谱多类变化检测的双向对比与空频协同Transformer网络 （bidirectional contrastive and spatial-frequency synergetic Transformer network， BCSFST）。方法首先设计频域感知增强模块，通过傅里叶变换提取频域信息，利用幅度与相位特征构建动态校正机制自适应优化原始空间特征，并生成频域先验与空间特征共同构建空频协同Transformer，从而增强变化特征的判别能力并抑制伪变化干扰。其次，提出自适应跨场景关联对比学习策略，通过双向匹配概率构建软正样本对，挖掘源域和目标域之间的潜在关联，实现跨场景特征对齐。结果在3个高光谱多类变化检测数据集上进行实验验证，在每类仅使用5个标记样本参与训练的条件下，BCSFST在Irrigated Area、HangZhouWan和China数据集上分别取得了90.80%、83.67%和85.78%的总体准确率，均优于现有先进算法。同时，消融实验进一步验证了本文设计的频域感知增强模块和自适应跨场景关联对比学习策略对模型性能提升的有效性。结论本文所提出的BCSFST模型通过频谱变换与对比学习，能够充分结合Transformer网络与少样本学习的优势，有效提升了少样本情形下高光谱多类变化检测的准确性。

目的结肠镜图像中的肠息肉区域常受低对比度、镜面反光、黏膜纹理相似和边界形态复杂等因素影响，现有分割方法在高频细节提取、弱边界恢复和复杂轮廓建模方面仍存在不足。为提高复杂内镜场景下息肉区域的分割精度，本文提出一种融合频域增强与几何引导的肠息肉医学图像分割网络。方法该网络在编码阶段设计频域增强Transformer块，在多头注意力和前馈网络中引入快速傅里叶变换，将频谱信息嵌入全局上下文建模与局部细节提取过程，以增强对边缘纹理和结构细节的联合表征。在跳跃连接阶段，构建双频带特征融合模块，通过径向频域掩膜分离低频轮廓信息和高频边界响应，减少跨层传递中的边缘细节损失。在解码阶段，设计双阶段几何引导模块，并结合曲率感知几何监督损失，对边界位置、有符号距离场分布和局部曲率变化进行联合优化。结果在Kvasir、ClinicDB、ColonDB、EndoScene和ETIS等5个公开数据集上进行实验，并与现有医学图像分割方法进行对比。本文方法在5个数据集上的平均交并比（intersection over union，IoU）和平均Dice相似系数（Dice similarity coefficient，Dice）分别为78.55%和85.14%，较当前主流方法分别提升0.83和1.37个百分点。结论本文方法能够在保持区域一致性的同时改善边界恢复质量，对低对比度和复杂形态息肉具有较好的分割效果和跨数据集泛化能力。

目的针对夜间缺乏太阳短波辐射导致气象卫星可见光与近红外（visible and near-infrared， VIS-NIR）波段观测缺失、相关遥感产品难以连续获取的问题，以构建面向夜间缺失波段信息补全的大规模数据集为主要目标，同时解决相关研究生成光谱波段覆盖不足与公开可用的夜间缺失波段信息补全数据集稀缺问题。方法基于Himawari-8/9多波段观测数据，构建包含多波段红外亮温观测（multi-band infrared brightness temperature， MIBT）、VIS-NIR、观测几何角度和水陆掩膜信息的VIS-NIR-70K数据集，并选取代表性生成模型进行定量与定性评估。结果实验表明，MIBT能够为补全VIS-NIR缺失信息提供有效条件。扩散模型的生成性能优于基于生成对抗网络（generative adversarial network， GAN）的模型，其中，原始图像空间扩散模型在结构保持、纹理细节和分布一致性方面表现更优，多波段VIS-NIR的平均结构相似性指数（structural similarity index measure， SSIM）提升至0.864。同时，其在真彩色（true-color imagery， TCI）观测生成、低云区域、台风场景和夜间全图补全中展现出较好的重建性能，TCI波段的平均SSIM提升至0.881。结论VIS-NIR-70K缓解了夜间卫星缺失波段信息补全领域的数据资源不足，为全天时地气系统观测和生成式遥感研究提供了数据基础。完整的MIBT多波段是VIS-NIR生成质量的关键信息来源，卫星天顶角（satellite zenith angle， SAZ）与水陆掩膜信息（land-sea mask， Landsea）组合可以提高生成结果的稳定性。数据集链接：（ScienceDB：https：//doi.org/10.57760/sciencedb.j00240.00227）.