近年来,基于移动互联网的不断发展,人类的信息表达方式逐渐增多,静态的彩色图像已经不能满足人们的日常信息交流,随着抖音、快手和西瓜视频等社交软件的兴起,短视频已经成为移动互联网时代新的主流的信息传播方式。同时视频也广泛应用于军事、经济、科技和教育等众多领域,这些都导致视频的数据量呈现爆炸式的增长,每天人们都会产生数亿条短视频,人们对视频的操作需求也变得越来越高,这给研究人员提出了较大的挑战。视频目标分割是一项基础的计算机视觉研究任务,其目的是在整个视频序列中对前景对象进行持续的跟踪分割,它的本质是一种像素级别的分类任务,通过判断每一个像素点属于前景或背景来完成对每一帧图像的分割。早期的有监督视频处理方法完全依赖于人工,这会造成巨大的人力资源浪费,同时人工处理具有很高的不稳定性。本文致力于使用无监督的方法来训练视频目标分割模型,这种方法不需要标注数据,可以直接从现实世界中获取视频用于训练,而且得到的模型具有较强的学习能力。本文利用了颜色通常是稳定的这一特征作为监督信号,使用视频中的前一帧图像来重构后一帧图像,将重构图像与其真实的输入颜色图像进行比较计算损失。其实就是将前一帧的输入颜色图像按照一定规则传播到后一帧,再使用后一帧颜色的恒常性作为监督信号指导模型进行参数优化,传播过程中学习的是像素级别的时空对应关系。目前的无监督视频目标分割方法是通过对目标帧和参考帧之间的对应关系建模来实现的,这种对应关系只能保持时空一致性。然而,视频目标分割任务不仅需要两帧之间的时空关系,而且需要每帧的显著目标信息。为了挖掘待分割目标的显著性因素,本文提出了一种基于分解表达的视频目标分割方法,将现有方法中的对应关系分解为时空模块和显著模块,其在目标分割过程中既能维持视频帧之间的时间关系和空间关系,又能捕捉每一帧的显著目标。本文将提出的分解表达模型应用于DAVIS-2017和YouTube-VOS数据集,实验结果验证了提出方法的有效性。另外,本文将时空模块与显著模块获得的热力图进行可视化,分别评估它们学习到的视觉线索,进一步证明所提出模型的有效性。在时空模块中,感兴趣区域集中在物体内部,这表明时空模块可以捕捉视频帧之间的时空关系。在显著模块中,感兴趣区域分布在目标的边缘,说明显著模块捕捉的是参考帧中不同像素的显著性信息。