随着互联网信息技术的迅速发展,现代科研、生活的数字化程度不断提高,媒体数据成为人们主要的信息来源。其中图像是媒体数据的主要载体,高效的图像智能语义分析成为提升生产效率和生活水平的迫切需求。图像分割作为图像处理的基础,是图像分析的第一步,旨在为图像高层语义理解提供基础的视觉内容解析。然而由于图像数据的多样和复杂性,以及分割任务的病态性,图像分割是一个具有挑战性的任务,涵盖了特征提取、先验建模、分割模型构建与分割质量评估等步骤。其中分割质量评估是图像分割的最后一步,承担着衡量分割结果质量的任务,对于获取符合人眼感知系统的优质分割结果以及优化分割算法性能具有积极的意义。图像分割质量评估致力于分割结果质量的评估与度量,其难点是如何语义地刻画分割结果的质量。现有方法将质量评估建模为数据回归问题,通过对输入分割结果质量特征的回归实现分割质量的评估,然而现有方法面临以下挑战:1)如何更具语义地提取分割质量特征,2)如何更有效地构建分割质量评估回归模型,3)以及如何基于分割质量评估优化现有分割方法等。为此,本文开展了基于卷积神经网络的图像分割结果质量评估方法研究,具体内容如下:1.针对单一图像分割结果质量评估问题,本文进行了基于卷积神经网络的分割质量评估方法研究,针对单个分割结果提出了结合多线索信息的深度网络模型,通过多分支结构结合原图与三种下采样方式,利用分割区域的上下文信息更具语义地刻画分割结果的质量,实现了对图像分割结果的质量评估。2.关联分割结果之间的差异较小,导致了分割质量评估的困难。针对多个关联分割结果的质量评估问题,本文开展了对关联分割图像质量评估方法的研究,基于卷积神经网络构建了结合图像质量对比排序的质量评估网络模型,该模型引入对比排序的监督方法,实现了差别较小分割结果的质量评估,有效提高了关联分割结果的质量评估性能。3.针对交互框式分割方法在固定参数时的误分割问题,本文研究了基于分割结果质量评估的交互框式分割优化方法,利用分割质量评估网络实现了不同参数分割结果的质量评估和最优参数的选择,并进一步构建了基于初始分割与质量选择的优化框架,在分割质量评估的基础上有效实现了交互框式分割方法的优化。