基于卷积神经网络的图像语义分割

摘要    

      传统的图像分割方法大部分是基于图像本身的特征提取，需要先在图像上生成不同的区域，再在区域上提取特征，对区域进行分类合并才能得到最终语义分割的结果，过程比较复杂，并且效果也有很大的提升空间。

第一章 绪论

1.1 课题背景

       为了识别和分析前景，需要把前景即我们感兴趣的那个部分从一幅图像中选取出来，这就是图像分割所要探讨的问题。当前我们在探讨图像分割问题的时候，一般会对这个目标或者前景加上一定的语义信息，即语义标签，方便后续的研究工作。我们把加上语义的图像分割称为图像语义分割。

       图像语义分割到目前为止没有找到一个广泛的方法，不少方法都是针对某一特定的数据集，同时也很难制定出一个判断分割算法好坏的标准。

      从直观的角度来讲，一个好的图像语义分割应具备如下特性:①分割出来的不同语义区域对某种性质如灰度、纹理而言具有相似性，区域内部比较平整;②相邻语义区域对分割所依据的性质有明显的差异;③不同语义区域边界上是明确和规整的[3]。目前