基于内容的视频对象分割是数字视频技术乃至计算机视觉领域的一个研究热点。从视频序列中分割出视频对象对于第二代编码标准而言是一个非常重要的步骤,是基于内容的视频应用的基础,这些应用包括基于内容的视频检索、面向对象的视频压缩和编辑、智能人机交换等方面。尽管人们对基于对象的视频编码做了大量的研究工作,但到目前为止,还没有一种通用的方法能够有效地将物体模型从景物中分割出来。本文通过对现有的视频序列中运动对象分割算法的研究,针对现有的一些方法抗噪声差,分割结果精度低,阴影问题,提出了两种视频对象分割方法。(1)提出一种新的基于SVM的视频对象分割。首先,它从本质上把视频分割中的图像分为背景和目标两类,从而转化为分类问题。把视频对象分割跟踪问题看作二值分类问题,以目标的特征属性为分类的依据,对每一个像素使用分类的方法确定是目标或背景。采用多帧序列图像灰度差异的4次高阶统计量假设检验提取训练样本的掩模,接着利用空域分割算法进行分割,时空联合,得到运动对象,即训练样本。从而提取特征,进行训练,得到SVM分类器,进而把SVM用于前背景的分割,得到视频帧的前背景景分割掩模。然后,空域分割中使用分水岭算法,得到帧图像的空域分割结果。最后,将前背景分割掩模与空域分割结果结合,可以消除运动区域中多余的部分。得到准确的运动对象掩模图像,进行填充即可得到分割出的运动对象。实验表明其有一定的抗噪性,且提高分割结果的精度。(2)提出一种新的基于背景重构的视频对象分割。首先,在时域分割中获取单帧图像的运动区域,摒弃了直接用帧差或者二次帧差图做变化模板的做法。利用二次帧差求交集得到单帧的运动信息,阈值化得到帧差掩模图像;然后通过一定的算法初始化背景帧,此算法利用计数器累积判决像素点是否属于背景,使得构造的背景帧更加可靠;最后用当前帧和重构的背景图像相减提取目标对象,并提出一种消除阴影方法,得到较为准确的视频对象。实验证明其有效的解决阴影问题。