（广东技术师范大学计算机科学学院，广东广州 510000）

0 引言

近年来，图像在目标检测、图像分类、分割以及识别等方面的应用越来越广，其中图像分割技术是根据相似性原则将图像分成若干个不同特性区域的过程。图像分割方法大致可分为3 类：基于图论的方法、基于像素聚类的方法与语义分割方法，而图像语义分割是以像素共同点为分割依据，从像素级别处理图像［1］。语义分割是场景理解的基础性技术，对智能驾驶、机器人认知层面的自主导航、无人机着陆系统以及智慧安防监控等无人系统具有至关重要的作用。

1 传统语义分割方法

传统图像分割是根据灰度、彩色、空间纹理等特征将图像划分成若干个互不相交的区域，使得这些特征在同一个区域内表现出一致性或者相似性，而在不同的区域间表现出明显不同。其方法主要分为以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法等。阈值分割方法是常用的分割技术之一，其实质是根据一定的标准自动确定最佳阈值，并根据灰度级使用这些像素以实现聚类。基于区域的分割方法是以直接寻找新区域为基础的分割技术，可分为区域生长和区域分裂合并两种基本提取方式。区域生长以单个像素点为基础，将具有相似特征的像素点聚合到一起形成区域，其计算简单，对于均匀分布的图像具有良好效果。区域分裂合并从整体图像出发，通过像素点之间的分裂得到各子区域，四叉树分解法就是其典型代表方法。……