在计算机视觉领域，尽管传统的深度学习视觉模型在特定任务上表现出色，但它们对大量标注数据的高度依赖及在新场景下性能泛化的局限性，大大增加了使用成本并限制了模型的应用范围。近年来，以Transformer为核心的新型模型结构，特别是在自监督学习领域的应用，为解决这些挑战提供了新的解决方案。这些模型通常通过大规模数据预训练，在处理复杂视觉场景中展现出强大的泛化能力，其被广泛称为视觉基础模型。本文深入探讨了视觉基础模型的研究现状与未来发展趋势，并重点关注该领域的关键技术进展及其对未来计算机视觉的潜在影响。首先回顾和梳理了视觉基础模型的背景与发展历程，然后介绍了在这一发展历程中出现的关键模型基础结构，介绍并分析了构建视觉基础模型所采用的各类预训练任务的设计思路，并根据其特性对现有的视觉基础模型进行分类。同时，对不同类型视觉基础模型中的代表性工作进行了介绍，并整理了目前可用于视觉基础模型预训练的数据集。最后，对视觉基础模型的研究现状进行总结和思考，提出了目前存在的一些挑战，并展望未来可能的研究方向。

当今许多新兴科技领域的发展需要集成电路（integrated circuit， IC）技术的支撑。半导体晶圆作为集成电路芯片中的关键角色，因制作工艺复杂，容易产生各种缺陷，其故障会极大地影响芯片的最终工作性能并增加成本。因此半导体晶圆的缺陷检测是保证其良品率和生产率的重要手段。结合机器视觉算法的晶圆缺陷检测方法普适性强、速度快，能更好地满足工业检测的相关需求。鉴于此，综述了近十几年来半导体晶圆缺陷检测方法的研究进展，介绍了晶圆制造的复杂工艺、表面缺陷检测的流程，根据不同的标准将晶圆缺陷进行分类。重点阐述了基于学习的方法，包括有监督机器学习、无监督机器学习、混合学习、半监督学习以及迁移学习5大类。对晶圆缺陷检测的深度神经网络分类为检测网络、分类网络、分割网络与组合网络。随后梳理了在晶圆缺陷检测领域常用的数据集以及性能评价指标。最后总结了晶圆缺陷检测当前存在的问题，对未来的研究方向进行了展望。

自2012年中国提出海洋强国战略以来，水下图像清晰化已成为机器视觉领域的研究热点和挑战。与陆地良好环境中拍摄的图像不同，光在水下传播时受水下介质吸收和散射影响，导致水下图像存在颜色失真、细节模糊、低对比度、亮度不均等问题。低质量水下图像使得水下机器视觉感知面临看不清的挑战，因此研究有效的水下图像增强方法是当前水下视觉领域亟待解决的重要问题。本文在广泛调研的基础上梳理了水下图像质量提升的方法，主要包括图像复原和图像增强两大类。随后，深入讨论了代表性方法，并通过定性和定量评估分析，详细探讨了这些方法的优势和局限性。此外，全面概述了水下图像质量退化问题、提升方法、数据集及评估指标，分析了其在不同场景下的性能，提供了全面的水下图像清晰化方法研究现状。最后，根据水下图像增强和复原方法的难点与目前面临的主要问题对研究方向和发展趋势进行了归纳和展望。这一综合性研究为未来相关领域的研究和实践提供了建议。

目的现有的阴影去除方法通常依赖于像素级重建，旨在学习阴影图像和无阴影图像之间的确定性映射关系。然而阴影去除关注阴影区域的局部恢复，容易导致在去除阴影的同时破坏非阴影区域。此外，现有的大多数扩散模型在恢复图像时存在耗时过长和对分辨率敏感等问题。为此，提出了一种用于阴影去除的小波非均匀扩散模型。方法首先将图像通过小波分解为低频分量与高频分量，然后针对低频和高频分量分别设计扩散生成网络来重建无阴影图像的小波域分布，并分别恢复这些分量中的各种退化信息，如低频（颜色、亮度）和高频细节等。结果实验在3个阴影数据集上进行训练和测试，在SRD（shadow removal dataset）数据集中，与9种代表性方法进行比较，在非阴影区域和整幅图像上，峰值信噪比（peak signal-to-noise ratio，PSNR）、结构相似性（structural similarity index，SSIM）和均方根误差（root mean square error，RMSE）均取得最优或次优的结果；在ISTD+（augmented dataset with image shadow triplets）数据集中，与6种代表性方法进行比较，在非阴影区域上，性能取得了最佳，PSNR和RMSE分别提高了0.47 dB和0.1。除此之外，在SRD数据集上，ShadowDiffusion方法在生成不同分辨率图像时性能有明显差异，而本文方法性能基本保持稳定。此外，本文方法生成速度与其相比提高了约4倍。结论提出的方法能够加快扩散模型的采样速度，在去除阴影的同时，恢复出阴影区域缺失的颜色、亮度和丰富的细节等信息。

目的在雾霾环境下拍摄的图像通常具有结构对比度较低、细节信息模糊和颜色饱和度失真等特点。虽然目前的去雾算法已经能较好地处理均质雾霾图像，但是对于非均质雾霾图像的去雾能力仍较差。为此，提出了一种面向非均质雾霾图像去雾的解耦合三阶段增强网络。方法通过颜色空间变换将输入图像解耦为亮度、饱和度和色度3个通道之后，该算法首先通过对比度增强模块增强亮度图的对比度，使去雾结果具有更清晰的结构和细节信息；然后，通过饱和度增强模块增强图像的饱和度，使去雾结果具有更鲜艳的颜色；最后，使用颜色矫正增强模块对总体颜色进行微调，使去雾结果更符合人眼视觉感知。特别地，在饱和度增强模块中设计了一个雾霾密度编码矩阵，通过计算亮度图在对比度增强前后的梯度差异，估计出雾霾图像的雾霾密度信息，为饱和度增强模块提供指导，以保证饱和度恢复的准确性。结果在3个数据集上与14种方法进行了对比实验，本文方法在NHD（non-homogeneous dataset）数据集上得到了最优结果，相比于性能第2的模型，平均峰值信噪比提升了8.5 dB，平均结构相似性提升了0.12；在Real-World数据集中，本文方法的感知雾密度预测值为0.47，雾密度估计值为0.21，均处于前列；在SOTS（synthetic object testing set）数据集中，本文方法的平均峰值信噪比为16.52 dB，平均结构相似性为0.80，在人眼感知效果方面不输于已有方法。结论本文所提方法对于非均质雾霾图像具有优秀的处理能力，可以有效地去除图像的雾霾并还原出雾霾图像的真实细节信息和颜色。

目的已有的深度学习图像识别模型严重依赖于大量专业人员手工标记的数据，这些专业图像标签信息难以获取，人工标记代价昂贵。实际场景中的数据集大多具有不平衡性，正负样本偏差严重导致模型在拟合时常偏向多数类，对少数类的识别精度不足。这严重阻碍了深度学习在实际图像识别中的广泛应用。方法结合半监督生成式对抗网络（semi-supervised generative adversarial netowrk）提出了一种新的平衡模型架构BSGAN-GP（balancing semi-supervised generative adversarial network-gradient penalty），使得半监督生成式对抗网络的鉴别器可以公平地判别每一个类。其中，提出的类别均衡随机选择算法（class balancing random selection，CBRS）可以解决图像样本类别不均导致少数类识别准确度低的问题。将真实数据中有标签数据按类别随机选择，使得输入的有标签数据每个类别都有相同的数量，然后将训练后参数固定的生成器NetG生成每个类同等数量的假样本输入鉴别器，更新鉴别器NetD保证了鉴别器可以公平地判别所有类；同时BSGAN-GP在鉴别器损失函数中添加了一个额外的梯度惩罚项，使得模型训练更稳定。结果实验在3个主流数据集上与9种图像识别方法（包含6种半监督方法和3种全监督方法）进行了比较。为了证明对少数类的识别准确度提升，制定了3个数据集的不平衡版本。在Fashion-MNIST 数据集中，相比于基线模型，总体准确率提高了3.281%，少数类识别率提升了7.14%；在MNIST数据集中，相比于基线模型，对应的4个少数类识别率提升了2.68%～7.40%；在SVHN（street view house number）数据集中，相比于基线模型，总体准确率提高了3.515%。同时也在3个数据集中进行了合成图像质量对比以验证CBRS算法的有效性，其少数类合成图像质量以及数量的提升证明了其效果。消融实验评估了所提出模块CBRS与引进模块在网络中的重要性。结论本文所提出的BSGAN-GP模型能够实现更公平的图像识别以及更高质量的合成图像结果。实验结果开放源代码地址为https://github.com/zrm0616/BSGAN-GP.git。