随着通信、计算机、微电子等技术的发展以及高速处理芯片和大容量存储器的出现,使得视频图像的处理技术成为一个被普遍关注的研究领域。其中图像分割、目标识别、目标跟踪以及对图像可视性自适应调节及图像敏感区域过滤、隐藏等技术都是图像处理中的主要研究方面。本论文依据视频图像可分为背景客体和目标客体这一特性,首先给出了定场景视频图像序列的分层模型,根据该分层模型以及定场景视频图像序列中背景和目标客体的特性差异,针对背景客体研究了分布阵集成检测分层技术。对该技术的实验模型,关键技术模块以及性能参数等进行了系统性的分析研究,给出了PC 仿真结果,分析了该算法和其它算法相比较的优越性。在得到了背景分层图像后,本论文接着研究了动目标的分割方法,首先对常用的目标分割方法进行了概要性的描述,然后着重研究了基于背景差方法的动目标客体的分层技术。对该技术的关键技术模块及关键参数进行了分析研究并给出了仿真实验结果。另外,本论文还研究了场景视频图像细节可视性的分析应用以及局域图像细节可视性自适应调节技术。基于图像细节可视性可以由图像的均值和方差共同决定的这一特性模型,提出了一种基于图像均值和方差的场景视频图像细节可视性分析方法。该方法通过改变图像的均值和(或)方差来实现改变图像的视觉可视性。它不仅可以用于将细节模糊的图像变换为细节清晰的图像,还可以用于将细节清晰的图像变换为细节模糊的图像。同时,本论文基于图像的视觉可视性曲线要受到图像内容的影响这一特性,研究了基于内容的图像细节可视性曲线分析以及局域图像细节可视性自适应调节技术。该技术可以用于对图像当中的敏感区域进行过滤,实现敏感区域的隐藏或加密。也可以用于特定场景的监测,判断该场景是否发生异常。综上所述,本论文主要围绕视频客体分层与细节可视性分析技术这条主线展开论述。提出了一些具有创新性的理论和技术,本论文所提的一些技术为后续课题研究奠定了一定的理论和技术基础。