在计算机视觉的研究和应用中,视频分割是重要的研究方向之一,也是许多视觉算法的基础,视频分割的好坏直接影响其它算法的性能和处理效率。近年来,随着各种视觉设备的发展,RGBD数据的获取越来越容易,面向RGBD数据的研究和应用也越来越多,RGBD视频的分割也成为计算机领域中的研究热点之一。目前,视频分割算法可分为很多不同的类型,而基于图的视频分割是其中重要的一类。基于图的视频分割的步骤大多可以分为预分割和区域合并两个阶段。在预分割过程中,即需要保证分割结果即足够精细,还要与实际结果相符。在区域合并过程中,大多算法对场景的适应性不够,往往需要人工的干预才能对特定场景进行最佳分割。此外,在图像后处理中,区域匹配也是一个热点问题,它将相邻两次的处理结果进行匹配,保证视频分割结果的一致性。本文针对上述问题进行了研究,取得的成果主要有:1.在Hickson预分割算法基础上,提出并引入了一个基于法矢和曲率的F-graph预分割过程,提高了预分割结果的精细度,有利于后续的合并过程。实验验证了将预分割过程根据不同特征分为多个子过程的方法的分割性能要优于基于组合特征的分割算法的性能。2.提出并实现了一种基于近邻传播聚类算法的区域合并算法,能自适应地得到聚类中心个数,避免了层次合并区域的方法受场景本身的影响较大,不同场景需要人工调整阈值来提高分割效果的不足,提高了算法的通用性。3.提出并实现了一种基于KM算法的前后帧区域匹配算法,利用KM算法对于相似边值也能有很好的区分的特点,提高了算法的匹配正确率,尤其是在出现若干区域相似度差别不大的情况下,本文算法的准确率更高。