A Comprehensive Review Of Image Processing Techniques: Classical Methods, Deep Learning, Applications, And Recent Advances

图像处理已从传统的像素级操作发展为能够实现自动化视觉理解、解释和决策支持的复杂人工智能(AI)驱动方法。本综述全面概述了图像处理技术、其方法论演进、主要应用及最新进展。综述考察了图像表示与质量评估、预处理、图像增强、复原、分割、特征提取和图像压缩等基础内容，随后介绍了基于卷积神经网络(CNN)、迁移学习、视觉Transformer、生成式AI和基础模型的现代深度学习方法。本文采用结构化叙述性文献综述和主题比较分析，按照处理技术、学习范式、计算需求、可解释性和部署潜力对文献进行组织。经典技术因其计算效率高、简单且适用于受控图像处理任务而仍然具有价值，而深度学习方法则能够实现自动分层特征学习，并提升复杂视觉分析的性能。Transformer、可解释AI(XAI)、生成模型和视觉基础模型的最新发展，通过支持上下文理解、视觉解释、图像合成以及跨任务和跨领域的泛化，进一步拓展了图像处理的能力。医学影像、农业、遥感、自动驾驶、工业检测、安全与监控、多媒体、环境监测和生物识别等领域的应用表明了这些技术的广泛相关性。本综述还强调了在数据需求、计算成本、模型可解释性、鲁棒性、隐私、领域泛化和实时部署等方面持续存在的挑战。未来研究预计将日益整合高效AI架构、可解释性、边缘计算、多模态学习和基础模型，以开发可扩展且可信赖的智能图像处理系统。