运动对象分割是图像分割的一个重要分支。图像分割就是把图像分割成具有相同信息的子区域,运动对象分割是在图像分割基础上把视频图像或图像序列按照一定的标准分割成不同的区域,主要区别是针对的对象不同。由于对图像动态要求的处理越来越高,传统的图像分割不能很好地解决这类问题,因而需要针对动态图像序列的运动对象分割进行研究。本文主要研究视频图像或图像序列中运动对象的分割问题,不仅仅对两相运动对象进行研究,还提出了多相运动对象的分割模型,研究内容主要包括以下几个方面:第一,采用基于光流法的运动对象检测,为了提高光流场的鲁棒性与稳健型,改进光流模型的数据项和光滑项。第二,提出基于改进后光流场和Chan-Vese分割模型的两相运动对象分割,采用水平集方法演化曲线,由于光流场模型的改进,能够提高两相运动分割结果的鲁棒性。第三,将两相运动分割拓展到多相运动对象分割模型,能够分割出图像序列中包含不同运动信息的多个运动对象。第四,编程实现了两种运动分割模型,并将模型应用于不同的图像序列实验中。大量的实验结果表明,本文提出的两相以及多相运动对象分割模型能够有效地分割出不同对象。最后,针对实验过程中出现的问题以及试验结果的缺陷,提出了下一步的研究方向。