摘要
二维（2D）光谱图像的处理是当代天文学数据分析中一个至关重要且复杂的领域。随着光谱仪在多重化、分辨率和灵敏度方面的不断提升，探测器所捕获的原始2D数据带来了越来越复杂的挑战，这些挑战已超出简单的一维数据提取范畴。本综述系统全面地梳理了过去二十年来该领域的分析方法发展历程。我们通过主流学术数据库和通用搜索引擎，以“2D Spectral Image”为关键词筛选相关研究，并根据研究的可获取性和相关性挑选出合适的参考文献。我们将相关方法分为三大类：（1）基于物理原理的建模及算法校正技术，用于处理几何畸变、散射光和天空背景等问题；（2）数据驱动的机器学习与深度学习方法，用于图像校正、光谱分类以及弱信号检测；（3）开源软件工具的开发，旨在让更多人能够使用先进的处理技术。本综述的一个重要贡献是对各类主流算法的性能指标、基本假设及实际局限性进行了详细比较分析。我们强调了卷积神经网络（CNN）和视觉变换器（ViT）在天体分类和系外行星探测等任务中的巨大作用，同时也指出可靠的物理模型在校准和不确定性量化方面的持续重要性。最后，本文总结了当前仍存在的诸多挑战，包括计算可扩展性、模型泛化能力以及可解释性等问题，并指出了人工智能、统计推断与大规模巡天科学相结合的未来发展方向。
