图像分割是数字图像处理中的一项关键技术，它使得其后的图像分析，识别等处理阶段所要处理的数据量大大减少，同时又保留有关图像结构特征的信息。由于分割中出现的误差会传播至高层次处理阶段，因此分割的精确程度是至关重要的，多年来一直受到研究人员的高度重视，被认为是计算机视觉中的一个瓶颈。 图像分割的应用非常广泛，几乎出现在有关图像处理的所有领域。图像分割在工业自动化、生产监控、文件图像处理、遥感图像、保安监视、以及军事、体育、农业工程等方面都有广泛的应用。例如：在遥感图像中，合成孔径雷达图像中目标的分割、遥感云图中不同云系和背景分布的分割等；在交通图像分析中，把车辆目标从背景中分割出来等。在各种图像应用中，只要需对图像目标进行提取，测量等都离不开图像分割。图像分割的准确性将直接影响后续任务的有效性，因此研究图像分割具有十分重要的意义。 背景更新是指在图像处理中要经常对背景图像进行更新，特别是在以图像差分方法对视频图像进行运动目标分割时，只有及时的更新背景图像才能更加精确的对图像进行分割。背景更新技术的涌现，使得以图像差分方法分割视频图像中的运动目标提高到了一个新的阶段，为解决图像分割这一经典难题提供了新的动力和发展方向。迄今为止，己有众多的学者将背景更新技术运用到图像分割中，如统计学背景模型、背景的混合高斯模型和基于Kalman滤波器的背景模型等。 在众多的分割方法中，特别是在对视频图像的应用中，图像差分方法由于其运算量相对较少，并且可以加入背景更新技术实现背景自适应更新，能够较精确的分割出移动物体，从而在运动目标检测分割等方面得到广泛的应用，同时由于其自身的缺点，广大科学工作者根据不同需要对其进行了改进。本文将把基于移动区域的自适应背景更新方法应用到视频图像运动目标检测分割技术中，能够快速准确的分割出其中的运动目标，具有较强的实时性和鲁棒性。