煤岩显微图像预处理主要包括煤岩划痕检测与去除。针对基于霍夫变换算法的煤岩划痕检测难以准确提取空间形状特征和有效细化边缘信息，容易出现漏检和误检的问题，提出了基于语义分割的煤岩划痕检测方法。该方法引入残差结构改进空间注意力模型，将该模型嵌入以VGG卷积层作为图像特征编码器的U-Net中，实现对煤岩划痕的语义分割。针对基于快速行进的图像修复算法使得煤岩划痕去除区域和周围区域存在纹理差异和视觉伪影的问题，提出了采用基于改进区域匹配的图像修复算法去除煤岩划痕。通过采用k个最近邻图像块查找、跨尺度及旋转角度搜索策略和基于欧氏距离的图像块偏移距离度量，实现煤岩划痕的有效去除。实验结果表明，基于语义分割的煤岩划痕检测方法能准确反映煤岩划痕的边缘细节，具有较好的空间特征解析性能，提高了煤岩划痕检测准确性；采用基于改进区域匹配的图像修复算法去除煤岩划痕能使煤岩划痕去除区域与周围区域的纹理特征更具有一致性，提升图像整体视觉效果。

课时1图像语义分割简介.ev4

用于对cityscapes的数据集进行分类标注 里边的labels可以进行选择想要的类别 并进行数据标签制作，详情见博客https://mp.csdn.net/console/editor/html/105922546

输电线路语义分割图像数据集（700多张图像，含分割标签）

语义分割labelme标注流程

深度学习+计算机视觉+语义分割+综述，包含各类若监督语义分割模型，介绍、总结、可能的发展方向。

基于MegEngine的语义分割源码

基于megengine的deeplabV3P_city

基于megengine的deeplabV3P_voc

CGNet: 一种用于语义分割的轻量级上下文引导网络