图像分类判断整张图像属于哪个预定义类别是深度学习在图像处理中最成熟的方向。核心架构CNN 通过卷积层、池化层和全连接层自动学习层次化特征。经典模型包括 LeNet-5、AlexNet、VGG、GoogLeNet/Inception 系列、ResNet残差连接解决梯度消失、DenseNet密集连接增强特征复用、EfficientNet复合缩放优化效率等。视觉 TransformerViT 将图像切分为 Patch 序列利用自注意力机制建模全局依赖Swin Transformer 引入滑动窗口机制在保持计算效率的同时捕捉长程关系。迁移学习利用在 ImageNet 等大规模数据集上预训练的模型如 ResNet50通过微调快速适应特定领域任务大幅降低标注数据需求。目标检测在图像中定位并识别多个物体同时输出类别和边界框。两阶段检测器先生成候选区域再对候选区域分类和回归。代表算法有 R-CNN、Fast R-CNN、Faster R-CNN精度高但速度相对较慢。单阶段检测器直接在图像上进行密集预测速度快适合实时应用。代表算法有 YOLO 系列YOLOv5/v8/v11 等和 SSD。基于 Transformer 的检测器DETR 将目标检测转化为集合预测问题利用自注意力机制实现端到端检测无需 NMS 后处理。图像分割将图像划分为具有语义意义的区域精度达到像素级别。语义分割为每个像素分配类别标签。FCN全卷积网络奠定了深度学习分割的基础DeepLab 系列引入空洞卷积和条件随机场CRF提升边界精度。实例分割区分同一类别的不同个体。Mask R-CNN 在 Faster R-CNN 基础上增加掩码预测分支实现检测与分割的统一。全景分割语义分割与实例分割的结合同时处理可数物体和不可数背景区域。编码器-解码器架构U-Net 及其变体3D U-Net、Attention U-Net、UNet、UNet 3通过跳跃连接融合浅层细节与深层语义特征在医学图像分割中广泛应用。图像生成与编辑从噪声或条件输入创造新图像或对现有图像进行编辑。生成对抗网络GAN生成器与判别器对抗训练。变体包括 StyleGAN高质量人脸生成、CycleGAN无配对风格迁移、Pix2Pix配对图像翻译、SRGAN超分辨率等。变分自编码器VAE基于概率图模型学习数据潜在表示从潜在空间采样生成新图像生成多样性好。扩散模型通过逐步去噪过程从随机噪声生成图像是当前图像生成的主流范式。代表模型有 DDPM、Stable Diffusion、DALL·E 等生成质量高且支持文本条件控制。图像修复Inpainting基于 GAN 或扩散模型根据周围上下文信息填补缺失或损坏的图像区域。图像复原与增强改善退化图像的质量恢复丢失的细节信息。超分辨率重建从低分辨率图像恢复高分辨率细节。早期方法如 SRCNN 通过三层卷积实现超分ESRGAN 引入残差密集块和对抗训练显著提升视觉质量SwinIR 将 Swin Transformer 引入超分任务捕捉长程依赖。图像去噪监督方法使用成对的干净/含噪图像训练如 DnCNN。自监督方法仅需含噪图像即可训练通过巧妙的损失函数设计实现去噪如 Noise2Void。结合注意力机制精准定位噪声区域在去噪的同时保留纹理细节。图像去模糊利用深度学习从模糊图像中恢复清晰内容包括非盲去模糊已知模糊核和盲去模糊未知模糊核两种设定。低光照增强基于 Retinex 理论与深度学习的结合将图像分解为光照图和反射图分别处理提升暗区亮度的同时避免过曝。图像去雾/去雨利用深度学习建模雾/雨的物理退化过程从退化图像中恢复清晰场景。ViT 变体在此类任务中展现了跨模态增强的潜力。风格迁移与色彩处理风格迁移将一幅图像的艺术风格应用到另一幅图像上。Gatys 等人的方法基于内容损失和风格损失的联合优化CycleGAN 实现无配对数据的风格转换。图像着色将灰度图像自动转换为彩色图像通常采用条件 GAN 或编码器-解码器架构。图像融合将多源图像信息整合为一幅高质量图像。多聚焦图像融合深度学习结合注意力机制自动选择各源图像中清晰区域进行融合。多模态图像融合如红外与可见光融合、医学影像中 CT/MRI/X 射线的跨模态融合提升信息完整性和诊断准确性。三维视觉与重建深度估计从单目或双目图像预测场景深度图。三维重建NeRF神经辐射场利用神经网络隐式表示三维场景实现新视角合成3D Gaussian Splatting 进一步提升渲染效率。点云处理PointNet 等模型直接处理无序三维点云数据用于三维目标识别和场景理解。关键支撑技术贯穿上述各类方法的通用技术模块技术作用注意力机制SE通道注意力、CBAM空间通道、自注意力使模型聚焦关键区域特征金字塔网络FPN多尺度特征融合提升不同大小目标的检测能力数据增强随机裁剪、翻转、CutMix、Mosaic 等扩充训练数据多样性正则化Dropout、DropConnect、L2 正则化防止过拟合模型轻量化知识蒸馏、剪枝、量化、NAS神经架构搜索推动边缘部署自监督/对比学习MoCo、SimCLR 等框架减少对标注数据的依赖 总结来说基于深度学习的图像处理方法已形成覆盖分类、检测、分割、生成、复原、增强、融合、三维重建等全方位的技术体系。底层架构从 CNN 演进到 Transformer 再到扩散模型学习范式从全监督拓展到自监督、弱监督和少样本学习。各方法之间并非孤立——例如 GAN 和扩散模型既用于图像生成也用于超分辨率和去噪等复原任务——体现了深度学习在图像处理领域强大的通用性和灵活性。