图像语义分割旨在为图像中的每个像素分配一个语义标签,从而将图像划分为若干个具有特定语义含义的子区域。图像语义分割是计算机视觉领域的一项基本任务,也是自动驾驶、医疗辅助诊断、增强现实等实际应用中的关键步骤。近年来,深度学习技术在语义分割领域取得了显著的进展,涌现出一批基于深度神经网络的语义分割方法。这些方法大多需要大量精确标注的训练数据来提升模型的性能。在实际应用中,目标通常具有复杂的边缘结构,准确地为图像进行像素级标注需要消耗大量的时间和人工成本,这在一定程度上限制了模型的推广能力。一种可行的替代方案是通过大致勾勒物体轮廓来标注目标的主体部分,得到较为粗糙的标注信息,这种标注方式大约能够节省百分之九十的时间,但是引入了一部分噪声标签。本文旨在利用含有噪声标签的粗糙标注数据来学习一个鲁棒的语义分割模型。针对标注信息中存在噪声标签的问题,本文提出了一种简单有效的基于自训练的语义分割方法,采用基于置信度的标签优化策略对模型输出的训练数据的预测标签进行筛选,得到更加可靠的伪标签,作为监督信息指导学习一个新的语义分割模型。通过Cityscapes数据集上的一系列实验,验证了本文方法的有效性。本文进一步提出一种基于超像素标签修正和伪标签融合的两阶段语义分割方法。借助超像素对相似像素点的有效聚合,根据局部上下文关系对初始标注信息进行修正。其核心思想是约束超级像素中的标签一致性,因为具有相邻位置和相似特征的像素往往共享一个共同的标签。考虑到不同类别物体的表观差异,设置多种修正强度,生成多组修正后的标签,并分别作为监督信息训练多个语义分割模型。然后,通过融合多个语义分割模型输出的预测标签,生成更高质量的监督信息,重新学习一个更加鲁棒的语义分割模型。为了验证了该方法的有效性,在Cityscapes数据集上进行了大量实验,并与现有的基于粗糙标注的语义分割方法进行对比。实验结果显示,该方法在分割性能上较已有方法有所提升。