随着信息产业的发展，图像和视频逐渐成为无可替代的信息载体，目标提取也随之成为了图像视频处理和计算机视觉领域的一个研究热点。本文围绕图像数据中的视觉特征展开研究，提出了一种基于一致性函数空间的图像联合分割算法。由于视频是由一系列图像帧构成的有序序列，我们在已有工作的基础上，进一步将基于图像的目标提取工作扩展到视频中的目标提取，并提出了一种基于Haar分类器的视频中动态目标提取框架。　　本文的主要工作及创新点包括:　　(1)本文提出的联合分割算法不同于传统的联合分割算法:一方面，传统的联合分割通常基于图像的整体特征来分析各幅图像之间的相似性，利用整体特征中的共性来实现联合分割，而我们所提出的算法是从图像的局部特征出发，并基于一种改进的位置敏感直方图来分析图像的局部特征，从像素的颜色特征和空间特征两个方面考虑了整体特征中所无法体现的细节;另一方面，利用函数空间原理为图像的分割函数构建函数空间，并通过经一致性约束的函数空间映射来传递分割函数，进而实现对输入图像集中图像的联合分割。实验结果表明，这样的方法有着很好的分割效果，尤其当图像集中的目标存在形变或光照发生改变时，更是如此。　　(2)视频中目标提取与图像中目标提取的不同之处在于，视频中的目标具有动态性，这种动态性集中表现为目标所处光照、空间位置以及背景变化等方面。很难有一种单一的全自动的分割方法能够适应目标在每一图像帧中的这种程度的变化。为了保证分割的正确性，我们使用介入前、背景种子信息的基于Lab颜色空间的随机游走分割算法，并使用基于Haar分类器的目标识别算法在每一帧中对目标进行追踪定位，进而利用目标的当前位置来更新种子的位置信息，从而实现算法自动地对每一帧中的目标进行提取。实验结果证明我们所提出的视频中动态目标提取算法具有一定的可行性以及实用性。