摘要：对瓷器文物显微气泡的分割,可以更加清晰地观察瓷器表面微观气泡的形态、数量以及分布规律,进而辅助文物专家进行瓷器碎片分类和文物鉴定等工作。但瓷器显微图像中气泡复杂多变,大小及分布不均匀,现有图像分割方法难以适应瓷器显微气泡特征。因此,该文提出一种基于卷积激活单元的网络AGUNet++,该网络重新设计密集跳跃连接,节点间采用Z字形连接方式,充分提取图像语义特征,防止信息丢失;同时,在卷积单元的密集跳跃连接处,结合注意力门控模块Attention Gate提出卷积激活单元CAU,增强与瓷器文物显微气泡分割任务相关的气泡区域学习,抑制不相关的区域;在训练过程中对每一层子网络的输出采用深度监督和交叉熵损失,有效增强瓷器文物显微气泡特征提取能力,细化分割结果。该方法在SD-saliency-900以及PRMI数据集上的实验结果表明,与经典图像分割网络相比,AGUNet++在MIoU、Precision、Recall和F1分数中均有一定的提升,表现出更好的分割效果。