随着社会的发展进步和人民生活水平的提高,人们对公共交通出行需求不断提升。X光安全检查是防止限制品威胁公共交通,保障乘客人身财产安全的必要手段。安检工作的质量好坏将直接关乎到人民利益和社会繁荣稳定。安检工作需要安检员在短时间内快速对行李X光图像做出反应,辨别其中是否含有限制品。并且随着出行人数的不断增加,人工安检压力增大,逐渐无法满足快速、准确的需求,容易造成漏检、错检等人为事故。近些年来,计算机视觉技术飞速发展,在特定工作场景已经可以适应需求、完成任务。利用计算机视觉技术可以辅助安检人员提高限制品识别率,加快安检效率,排除安全隐患。但是当前基于计算机视觉技术的限制品检测算法主要是通过图像分类和目标检测完成,无法获得限制品的轮廓信息,并且图像中存在物品重叠,背景杂乱,安检员观看起来不够直观。为了解决这些问题,本文提出了一种基于改进U-Net的X光图像限制品分割算法,可以准确获得限制品的位置以及轮廓信息,从而辅助安检人员更为直观的发现限制品。本文的主要工作及创新点如下:（1）针对X光安检图像背景混乱,干扰较多的问题,改进了U-Net网络编码器,使其适用于X光安检图像限制品分割任务。在编码器网络中融合了残差结构、通道注意力机制以及分组卷积。利用深层残差网络作为主干,提取更多对限制品分割有价值的深层次语义特征。利用通道注意力机制,提高前景特征通道权重,抑制背景特征。利用分组卷积,提高网络基数,以便提取更丰富特征,提升网络精度。（2）改进了原有的解码器特征融合方式,设计了一种多层级特征融合解码器网络。原始U-Net网络中的深层次特征经过多次上采样和卷积容易造成特征丢失,损失深层次信息,影响最终分割效果。改进的多层级特征融合解码器增强深层的特征传播,融合不同尺度的特征信息,能够获取到多层次特征。（3）针对X光安检图像前后景不均衡问题,设计了一个加权二元交叉熵损失和Dice损失混合的损失函数。利用sigmoid函数对像素进行多标签分类,加权二元交叉熵加大前景像素区域权重,优化梯度下降方向,Dice损失保证分割精度。混合损失函数计算网络损失,避免类别不均衡以及Dice损失曲线震荡,使网络训练更易收敛,获得到的分割效果更为准确。（4）根据X光安检图像成像特点,提出了图像填充拼接和图像融合两种数据增强方法。图像填充拼接模拟真实安检场景中多件行李同时通过安检机的情景,提升模型的泛化性。图像融合即利用安检图像的透明特性,将无限制品图像与有限制品图像加权融合,模拟物品重叠,提高网络对重叠限制品的识别分割能力。最后,本文在X光安检图像分割数据集上,通过一系列对比实验以及消融实验,全面评估了各模块的效果,通过实验验证了该分割算法的优越性和可行性。