数字图像分割与抠图都是计算机视觉中重要的技术,在图像处理与信息提取中发挥着重大作用。目前在分割与抠图问题上仍然存在一些有价值的研究课题,一是在图像分割中如何实现对图像中不同层次与尺度的信息进行有效地整合利用,获得准确的分割结果并提升细节精度;二是在图像抠图中如何更好地处理高透明度的物体以及前景背景颜色分布相似的区域。这是分割与抠图中极具挑战性的问题。针对图像分割问题,本文提出了基于注意力机制的富卷积特征分割算法。通过富卷积特征模型,实现了对丰富特征层次结构的充分利用;引入空间网格注意力机制,通过高层信息来指导低层信息的针对性选择。实验证明本文的算法能够提升分割结果的准确度以及细节的精确度,说明本文分割模型很好地利用多尺度信息,并从多级特征众多的信息中筛选出对当前分割目标最关键的信息,对图像特征具有较高敏感性。对于图像抠图问题,本文提出了基于图像透明度的自适应传播抠图算法。该算法对图像按照透明度进行分类,根据图像透明度类型对模型进行自适应调整;引入图像纹理特征来对图像前景和背景颜色分布相似的区域进行区分。本文算法在抠图基准数据库中取得了不错的排名,且对高透明度物体的抠图效果极佳,对颜色相似区域具有一定的区分度。这证明该抠图算法从图像透明度出发来针对性地解决高透明度物体的抠图问题是一个新的有效的策略,同时图像的纹理特征对提高抠图精度起到了帮助。