视频序列中运动物体的分割作为视频处理的基础,在军事技术、视觉导航、模式识别、智能监控和视频编码等领域有着广泛的应用。在对一些常用的分割方法进行研究的基础上,针对背景静止的视频序列,提出了一种基于背景差分和多尺度边缘信息融合的运动物体分割方法。为利用背景差分算法得到正确的物体区域,针对背景差分算法对亮度突变敏感这一问题,主要研究了背景初始化和背景更新方法。首先,采用前景分离的方式、基于改进的K-Means聚类算法构造初始背景图像;在后续帧的背景构造过程中,为减小场景在短时间内发生亮度突变而导致的检测错误,提出了一种背景亮度补偿机制;同时,为适应背景的缓慢轻微变化和背景结构的改变,分别采用了短期和长期背景更新机制以及时更新背景信息。获得有效的背景后,通过背景差分得到初步的物体区域模板。由于噪声和运动物体与背景的对比度的影响,背景差分得到的运动物体模板往往不完整,尤其是物体边缘部分的精度较低。为得到更精确的物体轮廓,根据多尺度图像的特征优势,结合多个尺度下的物体边缘信息获得比较完整的物体轮廓,从而弥补背景差分算法的不足。针对阴影对运动物体分割的影响,利用阴影与其背景在HSV空间的差异,对分割出的前景像素进行阴影检测,从而去除物体阴影对分割结果的影响。最后,通过后处理得到精确的运动物体。