视频分割是指依据视频的低级或高级特征进行分析,并按照一定的分割准则提取出视频中的感兴趣区域。随着互联网技术的发展,计算机视觉相关的技术得到了极速的发展,而视频分割作为视频处理技术中的经典方法也被广泛应用到各个领域中,视频分割结果的准确性对计算机视觉更高层问题(如视频分析与理解等)有直接影响。针对视频分割问题,本文提出了一种基于强目标约束视频显著性的视频分割方法。为了能够快速有效地提取出视频中的显著性区域,本文提出在图像显著性的假设下,引入由前景位置、尺度及颜色相结合的强目标约束,进而计算得到视频显著性结果。在目标信息计算环节,本文使用已执行的分割结果计算了目标的估计颜色模型;同时,本文提出了以运动信息修正视频跟踪结果的目标定位策略。根据视频显著性结果,本文计算了视频前景目标的先验信息并使用先验信息计算了视频前景目标的颜色模型。本文以目标颜色模型为基础建立了视频分割框架。考虑到视频分割中数据量往往较大的问题,本文采用超像素代替像素作为基本分割单位。同时,本文提出在全连接条件随机场图像分割方法的基础上加入帧间平滑项得到了时空连续的全连接条件随机场视频分割方法,该方法继承了全连接条件随机场图像分割方法的快速性及准确性,并且确保了视频分割结果的时空连续性。最后,本文在流行视频分割测试集DAVIS测试集上进行了相关的实验,验证了本文提出的强目标约束显著性方法和相应的视频分割方法的有效性。通过与主流视频分割方法的定量对比,体现了本文提出的视频分割方法在准确度、鲁棒性及执行效率上的显著效果。