普通图像中往往存在着多个物体对象,而我们特别对其中能够代表图像内容、具有语义信息的对象感兴趣。这时,需要将语义对象进行分割与提取,语义对象分割技术因此应运而生,并日益发展成为图像分割的一个重要分支,在图像编辑、视频编码及安全监控等多个领域得到广泛的应用。传统的语义对象分割方法通常需要对图像样本进行学习,训练出分类器,利用分类器对图像中的语义对象进行检测,然后根据检测结果进行分割。由于分割过程依赖于检测,这种方法得到的分割结果将直接受到分类器性能的影响。而目前流行的语义对象分割方法则是,利用用户交互或图像中自身具有的特性,发掘出图像中隐含的语义信息,利用语义信息去指导语义对象的分割；这种方案由于采用类似监督的思想,往往能得到更加精细的分割结果。本文主要研究第二种方案下的语义对象分割算法,具体是图像共分割与低景深图像分割。在分析热门的基于图的图像分割方法的基础上,文章提出了两种新的语义对象分割方法：一、根据归一化割的推导思路,提出基于谱的图像共分割方法。该方法首先为图像对建立图模型,构建分割代价函数；然后引入矩阵,将最小化代价函数问题转化为特征分解问题；最后,利用谱聚类思想实现共分割。二、结合幅度谱分析与graph cut,提出基于图像幅度谱的低景深图像分割方法。该方法首先对低景深图像的幅度谱进行分析,得出幅度谱分解模型。然后在此基础上,计算能检测对焦对象的对焦图。最后,二值化对焦图以得到初始分割结果,再使用graph cut进行边界优化,完成分割。实验表明,本文提出的方法能够准确分割出图像中的语义对象,具有分割精度高、效率快等特点。