随着计算机技术、网络技术和通信技术的发展,基于视频内容的应用已逐渐成为当前多媒体技术的研究重点和发展趋势。视频对象分割作为实现基于内容的存储、传输和检索等视频应用中不可缺少的部分,具有极其重要的地位和作用,其研究具有重要的理论意义和广阔的应用前景。本文首先对视频对象分割的研究背景、研究意义以及研究现状进行了系统分析,然后阐述了视频分割中静态图像处理的相关理论。在此基础上,针对背景静止的视频序列,本文研究了一种视频对象分割算法。算法的实现主要包括两个部分:基于时空联合的初始帧对象的分割和基于时间信息的后续帧对象的跟踪提取。在初始帧对象的分割算法中,首先利用了最大帧差分量的方法提取出连续两帧的帧差信息,并采用线性扫描填充的方法对其进行填充得到帧差模板;然后采用模糊C均值聚类的方法,结合运动窗技术去除帧差模板中的多余背景,得到初始对象模板;又设计了一种区域生长和边缘检测相结合的方法对初始对象模板中缺失的对象部分进行填补,得到完整的初始帧对象;最后结合边缘信息对填补后的对象进行轮廓修正,得到精确的初始帧对象。在后续帧对象的跟踪提取算法中,首先利用连续三帧的帧差信息提取出当前帧对象的轮廓信息,然后利用前一帧已提取的对象区域,结合视频序列帧间的相关性和帧差信息对当前帧对象的轮廓信息进行去噪和填充,进而得到当前帧对象的分割结果。连续采用这种方法就可以得到整个视频序列的分割结果。本文设计的算法不需要使用背景信息,受环境光照变化影响很小,抗噪声能力较传统算法有了很大提高,并且适用于复杂背景下的对象分割。此外,跟踪部分的算法简单、计算量小、提取的对象轮廓精确度高,能够适用于对对象的分割精度要求较高的场合。