随着多媒体技术的快速发展，视频运动对象分割技术的应用越来越广泛。它在MPEG-4基于内容的视频编码、视频临控、场景分析、对象跟踪、基于内容的检索以及交互式操作等领域中都有着重要的应用。因此，视频运动对象分割技术具有重要的研究和应用价值。　　本文的主要研究内容包括以下几个方面：　　(1)对常用视频运动对象自动分割算法进行研究，分析其优缺点，并给出仿真实验结果。基于时间信息的分割算法主要介绍了帧间差分法、减背景法和光流法。帧间差分法虽然具有较高的处理速度，操作简单，但是由于缺乏空间信息的校正，使得分割结果出现误差的概率较大；减背景法虽然在分割结果上有较高的准确性，抗噪声能力强，但是对背景的建模及其更新要求比较高，而背景建模及其更新计算的复杂度较高：光流法在不需要事先了解背景的先验知识的情况下就能比较精确的分离出前景目标对象，但是它对光线变化以及噪声等比较敏感，而且计算量大，实时性差。基于空间信息的分割算法主要介绍了灰度阈值法、区域生长法和分水岭算法。其中灰度阈值法是常用且简单的算法，但是由于没有考虑区域的连通性，分割结果误差较大；区域生长分割法是最基本的区域生长方法，考虑了区域连通性的情况，但是受生长点以及生长准则选取的影响较大;分水岭算法虽然对弱边界敏感，但是由于图像会受到噪声以及物体灰度的变化的影响，会产生过度分割的问题。　　(2)提出了一种基于背景重建的视频运动对象自动分割算法。首先使用高阶统计算法获得帧差图像的初始运动掩膜，然后设计一标记图像和一背景图像，标记图像记录各位置像素连续不发生变化的帧的数目，背景图像实现实时更新，对背景图像中的孔洞等进行预测处理实现对图像的平滑操作，进而得到当前帧的背景图像。采用减背景法得到背景减法抢膜，结合二值形态学处理操作提取出运动对象。最后采用灰度形态学处理的方式消除阴影，获得最终目标运动对象。该算法用于视频对象的分割能够取得较好的分割效果，实验结果表明对于hall视频序列该算法的分割准确率达到98％以上，达到了准确分割的目的。　　(3)提出了一种基于混合马尔可夫随机场的视频运动对象自动分割算法。首先根据时间、空间和边缘信息建立马尔可夫随机场模型，然后在MRF-MAP框架下最优化吉布斯能量函数，得到初始视频帧的最优化标记。对于后续的视频序列，初始标记场不再选用观察场的阈值化结果，而是选用前一帧得到的最优化标记场作为当前帧的初始标记场，重新在MRF-MAP框架下求视频帧的最优化标记，进而实现视频对象的检测与跟踪。实验结果表明对于akiyo视频序列该算法的分割准确率可以达到97％以上，对于mother-daughter视频序列该算法的分割准确率可以达到92％以上，具有较好的分割效果；使用前一帧的最优化标记场作为当前帧的初始标记场时，可以明显减少最优化迭代次数，提高计算效率，满足了实时性的要求。