图像分割技术进展与挑战综述：从经典方法到深度学习的系统回顾
本文由Ying Yu（中国人民解放军陆军工程大学电子与光学工程系）、Chunping Wang（同前）、Qiang Fu（通讯作者，同前）等八位作者合作完成，于2023年3月发表于期刊《Electronics》第12卷第5期（DOI:10.3390/electronics12051199）。作为一篇系统性综述，文章全面梳理了图像分割领域的技术演进，重点分析了经典分割方法、协同分割（co-segmentation）以及基于深度学习的语义分割（semantic segmentation）三大核心阶段的研究进展，并探讨了当前挑战与未来趋势。
图像分割作为计算机视觉与图像处理的基础任务，旨在将图像划分为具有语义意义且互不重叠的区域（region of interest, ROI）。其核心挑战在于：（1）人类视觉认知的模糊性导致“有意义区域”缺乏明确定义；（2）像素级局部特征（如颜色、纹理）难以表征全局信息（如形状、位置）。自20世纪70年代以来，该领域经历了从依赖人工干预的经典方法到数据驱动的深度学习范式的转变。本文旨在填补现有综述的空白，从技术发展脉络的角度重新分类现有方法，阐明其工作机制，并系统总结深度学习语义分割的关键技术。
经典方法聚焦灰度图像的局部特征，分为边缘检测（edge detection）与区域划分（region division）两类：
- 边缘检测：通过灰度突变定位边界，代表性算子包括Sobel、Canny（最优抗噪性但计算复杂）和Laplacian。串行边界技术（如动态规划）可闭合断裂边缘，而主动轮廓模型（active contour）通过能量函数最小化逼近目标轮廓，但对初始位置敏感。
- 区域划分：
- 阈值法：利用灰度直方图谷值划分区域，K-means聚类是其特例，但易陷入局部最优。
- 区域生长与合并：基于种子点相似性合并像素，但计算成本高且终止规则不明确。
- 超像素（superpixel）：通过聚类（如SLIC算法）或图论（如线性谱聚类LSC）生成像素块，降低后续处理复杂度。
- 图论方法：将图像映射为加权图，通过最小割（min-cut）或马尔可夫随机场（MRF）建模像素关系，Felzenszwalb提出的最小生成树（MST）合并策略显著提升效率。
关键局限：依赖手工特征，难以提取高层语义信息。
协同分割通过一组图像中的共性对象获取先验知识，分为以下六类方法：
- MRF框架：Rother等首次将MRF扩展至多图像分割，通过前景颜色直方图一致性构建全局能量函数。后续研究引入高阶图匹配（Rubio）或显著性模型（Yu）优化约束条件。
- 随机游走（random walks）：Grady将分割转化为Dirichlet问题，计算像素首次到达前景/背景的概率。Collins通过CUDA加速稀疏特征计算，Fabijanska则将其推广至3D体素分割。
- 主动轮廓模型：Meng通过水平集（level set）最小化多图像前景一致性能量函数，Zhang结合解剖先验约束提升脑MRI分割精度。
- 聚类方法：Joulin结合谱聚类与判别式聚类，Kim通过超像素加权图亲和矩阵实现多目标分割。
- 图论方法：Meng将图像局部区域作为节点构建有向图，以动态规划求解最短路径。
- 热扩散模型：Kim的Cosand算法通过各向异性扩散最大化温度场，实现多类别分割。
优势：减少人工标注需求，适用于视频对象检测与医学图像分析。
深度学习通过端到端训练自动提取特征，核心技术包括：
- 编码器-解码器架构：FCN（fully convolutional networks）以卷积替代全连接层，支持任意尺寸输入；SegNet通过记录池化位置实现精确上采样（unpooling）；DUC（dense up-sampling convolution）通过多通道标签映射避免插值。
- 多尺度特征融合：PSPNet的金字塔池化模块（PPM）聚合不同子区域特征；DeepLab系列的空洞空间金字塔池化（ASPP）通过并行空洞卷积捕获多尺度上下文。
- 注意力机制：Attention U-Net通过门控信号抑制无关背景；Swin Transformer采用滑动窗口自注意力，建立层次化特征映射，在ADE20K数据集达53.5% mIoU。
挑战：标注稀疏、类别不平衡、梯度消失及训练耗时等问题仍需解决。
本文为研究者提供了全景式技术路线图，对自动驾驶、医学影像分析等领域具有重要参考价值。未来方向包括提升模型泛化能力、融合多模态数据，以及探索轻量化实时分割方案。