视频序列中的运动目标提取是数字图像处理和模式识别以及计算机视觉领域研究的主要内容之一,只有在提取到视频运动目标的基础上,才能对目标进行分类、跟踪以及内容分析等。所以,运动目标提取技术在视频场景处理中有着重大的理论研究意义和实际应用价值,也是计算机视觉和视频处理领域一项关键技术。本文针对单目、静止摄像机采集的视频,研究运动目标提取问题。所做的工作包括以下几个方面：本文针对视频图像序列数据量大,存在信息冗余等缺点,在假定“背景像素总是以较高的频率在图像序列中出现”的前提下,提出一种DWT与背景重构相结合的运动目标分割方法。首先,为了提高数据处理效率,将待处理的视频图像序列经过DWT变换提取近似分量,使图像尺寸变成原来图像的四分之一；然后,利用像素聚类方法,结合双阈值和相似类合并算法来重构背景；最后,运用背景差分法提取运动目标。在提出的DWT与背景重构相结合的运动目标分割方法基础上,分析聚类算法中的关键参数--阈值,指出固定阈值在算法中的缺陷,并对聚类算法中阈值选择进行研究,提出一种自适应的在线聚类运动目标提取算法。针对目前重构背景效果评价体系不完善问题,本文借鉴图像匹配的客观评价标准来验证本文算法重构背景的准确性。实验结果表明,本文提出的算法能够准确快速地提取运动目标,并对环境变化、目标迂回移动、多目标运动情况具有较好的鲁棒性。