纵观国内外参考文献,时空联合的分割算法是一种常见而有效的方法,这类算法可以归纳如下:为了简化图像首先进行预滤波,然后用分水岭算法进行空间区域分割并利用不同的信息把小区域合并到最邻近的区域中,最后计算出每个区域的运动估计,把具有相似运动的区域合并,得到目标区域.分水岭算法由于其自身的优越性得到了广泛的应用.但是这种算法通常比较复杂,性能受到噪声、背景运动等因素影响严重.降低分割算法的复杂度,提高算法的鲁棒性和准确性是该文的主要目的.该文在对各种算法进行研究的基础上,提出了一些改进的视频分割算法,根据视频数据运动剧烈程度的不同,我们采用两种不同的分割算法:如果视频数据运动范围较大,就采用基于区域分类的分割算法:根据彩色图像的色差、色调和饱和度等信息对图像进行区域分割,同时利用连续多帧图像找出运动范围和相应的运动掩模图像,根据每个区域和运动掩模图像及连续两个帧差掩模图像的关系,将区域分成运动对象区域、背景被遮挡区域和背景被显露区域,并确定运动对象;如果视频图像运动幅度比较小,采用该文提出的基于背景的运动对象分割算法:首先对场景分割后的第一帧图像进行空间区域分割,在分割时充分利用了图像的边缘特征和颜色特征,再根据F分布假设检验,检测出运动区域,从而确定出运动前景和静止背景(也可以按照前一种方法构造背景图像).最后,把背景图像向后续帧进行投影,以当前帧作为参考图像,对后续帧进行快速鲁棒的分割.这些算法在进行区域分割时,不会产生过渡分割现象,而且计算简单.在计算过程中,只考虑运动区域,大大减少了参加运算的像素,提高了运算速度,在一定程度上解决了背景的遮挡/显露问题.