摘要：在图像场景分割中存在小目标易丢失,边缘轮廓噪声大等问题.在目前的增强特征表征能力与优化空间细节的语义分割算法中,由于边缘和小目标特征的丢失,导致小目标和边缘很难被准确分割.为此,本文研究了一种小目标特征增强的图像分割算法.首先设计一种像素空间注意力模块(Pixel spatial Attention Module,PAM),来获得空间像素具有较强语义信息的特征图像.然后通过对PAM的输出进行建模提取,分别获得含有语义类别信息的边缘特征和小目标特征.最后,将特定的损失函数应用到语义分割训练中,并将多种特征进行融合,经过反复的监督学习和训练校正,可以在不影响其他类别性能的情况下提高边缘和小目标分割的性能.在Cityscapes,VOC2012,ADE20K和Camvid基线数据集上的实验表明,该算法与先进的图像分割算法相比,在小目标分割、边缘特征增强和内轮廓噪声减少等方面,其性能和效果都有明显提高,分割精度提高了2个百分点.