图像语义分割是一项关键视觉技术,其目的是为图像中所有像素分配对应的语义标签。经过多年发展,图像语义分割已取得了不少成果,但由于分割任务的复杂性、以及深度学习的局限性等原因,仍有许多问题待解决。例如,无法很好保存边缘细节特征;在提取语义上下文和充分利用特征信息方面效果不佳,导致特征表达能力不足;网络参数量过大。因此,针对以上问题,本文对基于卷积神经网络的图像语义分割进行深入研究,并从解决皮肤镜图像病灶提取、遥感图像道路提取和路面图像裂缝分割三种典型应用问题的层面改进算法。本文主要研究工作及贡献如下:（1）针对皮肤镜图像中病灶边界模糊以及毛发干扰多的问题,提出一种结合通道与空间注意力的病灶分割算法。首先,设计了一个通道权重更新模块,通过通道加权对网络提取到的特征进行筛选,突出病变特征;其次,设计了一个密集空间注意力模块,该模块先通过级联扩张卷积在扩大感受野同时保留了更具细粒度的特征,再以分层残差连接实现多尺度空间信息密集聚合,然后通过全局和局部注意力引导网络加强关注目标区域,减少背景干扰;最后,构造了一种加权边界损失函数,通过对病灶轮廓的强监督,减少病灶边缘特征的丢失。实验结果表明,该方法在ISIC 2018和PH2数据集上Dice系数分别达到了91.3%、92.2%,各指标均优于目前主流方法。（2）针对高分辨率遥感图像中道路形态多样且被遮挡严重的问题,提出了一种基于扩大感受野和边缘增强的道路分割算法。首先,设计了一种由残差扩张块构建的编码器,可以在不增加参数量的情况下访问更大范围的像素空间;其次,设计了一个多级特征深度聚合模块,在网络中心进一步扩大感受野,捕获多尺度全局上下文特征,并将其融合以实现更强的特征表示,以便网络更好地处理目标尺度变化;最后,在上采样部分设计了一个分层融合边缘增强模块,通过大核卷积弥合不同层次特征之间的差异,强化边缘信息。实验结果表明,该方法在Deep Globe数据集上F1-score达到80.4%,相比现有算法提高了1.3%,有效提升了道路分割精度。（3）针对路面图像中裂缝拓扑结构复杂的问题,提出一种基于特征融合和金字塔注意力的裂缝分割算法。首先,在特征提取阶段设计了一个交叉特征融合模块,通过特征图的重用增强了相邻层次的特征融合和信息交换;其次,在解码器之前设计了一个特征金字塔注意力模块,采用多组具有不同扩张率的并行扩张卷积,提取多尺度对比信息来区分裂缝和背景,显著提高了网络对目标尺度变化的鲁棒性;最后,设计了一个语义增强模块,在高低层特征融合时提升特征图之间的语义一致性,抑制低层特征图中的无用信息。实验结果表明,该方法在CRACK500和CFD数据集上F1-score分别达到了72.3%、71.9%,优于主流算法,可用于复杂路面的裂缝检测。