虽然卷积神经网络(CNN)在过去十年中已经成为RGB图像处理的主流技术，并取得了巨大的成功，但是由于其局部特性，CNN很难获得全局和远程的语义信息。在传统的语义分割任务中，RGB图像虽然包含丰富的纹理和颜色信息，但缺乏空间深度信息，很难单独从RGB图像中做到精准的像素级分类，进而精细分割出物体边缘，这在面对镜面反射、反光玻璃、强光下的物体等场景时尤其如此。针对现有技术中的上述不足，本发明公开了一种用于RGBD图像分割的方法，本方法基于RGBD彩色深度图像进行语义级别分割，提取深度图像中的前景像素信息并以一个权重矩阵作为输出，用来加权辅助RGB图像中的特征信息提取，使得两个模态下的重要特征信息相互补充响应，充分弥补在采样过程中的特征信息损失，无论是在语义上的特征表现还是空间上的精细度都得到了提升，特别是对物体边缘信息具备更强的灵敏性。