图像分割是图像处理技术中的重要内容,在数字图像技术快速发展和日益普及的今天具有非常重要的意义和作用。交互式图像分割指提取用户的交互信息,结合图像包含的特征,对图像中用户感兴趣的目标和区域进行提取的一种技术,是图像分割技术的延伸和拓展,具有广阔的应用前景。分割结果的好坏和执行效率对于后续图像处理的质量具有决定性的影响。交互式图像分割技术经历了长期发展,积累了众多理论和方法。本文对这些方法进行了调研和分析,提出了一种新型的交互式图像分割模型和方法。该算法使用高分辨率网络作为特征提取模块,结合特征的上下文信息进行特征增强,实现基于图像理解的交互式图像分割。当用户给定的交互点不能在分割结果中被正确划分时,算法使用基于误差反向传播机制的注意力优化机制,通过修改模型中的局部特征实现对分割结果的纠正,提高交互信息的利用效率并优化分割效果。相比于其他机制,注意力优化机制有效地避免了全局范围的误差反向传播计算,缩短了优化机制的运行耗时。我们在多个常用的标准图像数据集上展开测试,并与当前代表性的主流交互式图像分割算法进行了对比实验,结果表明本文所提出的模型和方法在分割效果与计算效率上均有显著的优势。