现实生活中遮挡现象随处可见,遮挡现象的存在会对大部分计算机视觉领域相关任务造成严重影响,如图像分类、目标跟踪、三维重建和内容理解等,因此,遮挡检测成为计算机视觉领域中一个亟需解决的问题。针对遮挡问题,本文以视觉目标的深度图像为研究对象,通过分析已有深度图像遮挡边界检测方法,利用半监督学习思想和深度学习理论对深度图像视觉目标遮挡边界检测方法进行研究。首先,介绍了深度图像、遮挡现象、遮挡边界和部分已有遮挡相关特征,同时,还介绍了自组织网络和卷积神经网络的基础知识。其次,提出一种基于自组织网络的深度图像遮挡边界检测方法。该方法首先分析已有深度图像遮挡相关特征,提出一种新的八邻域特征并给出特征计算方法;其次,依据所提特征,对基于无监督思想的自组织网络进行修改,将有监督思想与无监督自组织网络结合得到半监督自组织网络;然后,通过带标记样本对半监督自组织网络进行训练,使半监督自组织网络能够实现二分类;最后,利用该网络将待测深度图像中每一个像素点分为遮挡边界点和非遮挡边界点,以完成深度图像的遮挡边界检测。再次,提出一种基于卷积神经网络的深度图像遮挡边界检测方法。结合特征融合思想修改已有卷积神经网络的结构,并利用训练数据集对修改后的卷积神经网络进行训练。利用训练好的卷积神经网络实现端到端的深度图像遮挡边界检测。最后,对提出的两种深度图像遮挡边界检测方法进行实验验证,并与已有深度图像遮挡检测方法进行比较分析,证明所提方法的准确性和通用性。