论文：基于内容的图像分割方法综述（姜枫 软件学报 2017）

论文将图像分割算法分为：基于图论的方法、基于像素聚类的方法和语义分割方法。

（1）图像的低级语义：包括图像像素的颜色、纹理和形状等信息。

（2）图像的中级语义：是指将具有相似特征的相邻像素构成的图像块所具有的像素以外的附加信息,如图像块的粗糙度、对比度、方向度、紧凑度等。

（3）图像的高级语义：是指图像或图像区域所包含的对象或实体的类别等语义信息。

利用低级语言分割图像，遇到复杂场景时实际分割效果不尽理想.。,结合图像中级、高级语义提升图像分割效果，成为近年来研究的热点。

论文中的表2提供了不同种类分割算法的比较，从论文的时间来看，基于语义的分割成为研究的热点，特别是基于深度学习的端到端的语义分割。

论文最后给出了研究方向

（1）针对弱标注图像的语义分割方法。

（2）边界贴合度高,计算复杂度低的超像素生成算法。

（3）在语义分割算法中实现实例级的分割。

（4）在特定应用场景的图像分割问题。

（5）应用于实时视频的图像分割算法。

（6）基于多张图像的协同分割。