Um den Problemen des katastrophalen Vergessens von Kenntnissen über alte Klassen, unzureichender Repräsentation neuer Objektklassen und dynamischer Verschiebung der Hintergrundsemantik mit Fortschreiten der Aufgabe bei der kontinuierlichen Bildsegmentierung zu begegnen, wird in diesem Artikel eine prototypausgerichtete kontinuierliche Bildsegmentierungsmethode (Prototype-Aligned Incremental Segmentation, PAIS) vorgeschlagen. Die Methode geht aus der Perspektive der Stabilität der Objektrepräsentation aus und modelliert die Initialisierung, Entwicklung und historische semantische Kompensation der Objektabfragen auf der Dekodiererseite im kontinuierlichen Lernprozess einheitlich. Die Methode umfasst drei Schlüsselmodule: prototypbewusste Initialisierung (Prototype-Aware Initialization, PAI), die Objektabfragen durch Auswahl semantisch signifikanter Positionen aus der aktuellen Merkmalskarte generiert und die Modellierungskapazität für neue Klassen verbessert; zeitliche Konsistenzlernen (Temporal Consistency Learning, TCL), das die Konsistenz zentraler semantischer Positionen und deren Antwortverteilung zwischen benachbarten Lernphasen einschränkt und die Objektdegradierung durch Merkmalverschiebung mildert; kategoriebewusstes Gedächtnis (Category-Aware Memory, CAM), das kompakte kategorienahe Gedächtnisrepräsentationen pflegt und die Fähigkeit zur Beibehaltung alter Klassen ohne Rückgriff auf umfangreiche Bildwiedergaben verbessert. Experimente zur kontinuierlichen Panoramasegmentierung und kontinuierlichen semantischen Segmentierung auf dem ADE20K-Datensatz zeigen, dass PAIS repräsentative Methoden wie ECLIPSE, BalConpas und CoMFormer in verschiedenen Aufgabenstellungen, Datenaufteilungen und Eingabesequenzen übertrifft; es erzielt eine Steigerung des PQ-Maßes um 6,75 % auf einem annotierten Datensatz mit 150 Klassen und reduziert gleichzeitig den Speicherbedarf um etwa das Zehnfache. Die Ergebnisse zeigen, dass PAIS eine gute Balance zwischen der Lernfähigkeit neuer Klassen, der Beibehaltung alter Klassen und der Speichereffizienz erreicht.

kontinuierliche Bildsegmentierung;prototypausrichtung;zeitliches Konsistenzlernen;kategoriebewusstes Gedächtnis;Panoramasegmentierung