视频运动对象分割是数字视频处理领域的难点和热点，广泛应用在视频编码、检索、模式识别、机器人视觉等领域。然而由于像素域视频运动对象分割方法需要对压缩的视频流完全解码，增加了运算时间，不能很好地满足视频实时性的要求，所以人们把目光转到了压缩域。新一代视频压缩标准H.264可以很好地满足视频实时性要求，但是H.264标准中可直接用于视频运动对象分割的信息较少，并且分割过程中容易受噪声的干扰，分割出的运动对象会出现一定程度的粗糙。为了弥补上述不足，本文对H.264压缩域视频运动对象分割方法进行了研究，通过预处理和后处理运动矢量场来提高分割质量，主要工作和取得的成果如下：(1)针对背景静止的视频序列，提出一种基于模糊C均值聚类的H.264压缩域视频运动对象分割方法。本文方法首先对从压缩视频流中提取的运动矢量场做滤波、校验和后向迭代累积等处理来提高其准确性，然后利用改进的模糊C均值聚类划分运动区域，通过部分解码提取出不同的运动对象。实验结果表明该方法可以完整的分割出视频序列中的运动对象。(2)针对背景运动的视频序列，提出一种H.264压缩域视频运动对象分割的方法。由于从背景运动的视频序列中提取的运动矢量场是由运动对象运动矢量、背景运动矢量和噪声运动矢量三部分组成，因此为了准确分割出视频序列中的运动对象，需要去除运动矢量场中的噪声运动矢量与背景运动矢量。本文方法首先利用中值滤波器对提取的运动矢量场进行去噪处理，然后对运动矢量场进行全局运动补偿。全局运动补偿后的视频序列可认为其背景是静止的，再利用背景静止视频序列的运动对象分割方法分割。实验结果表明该方法可以完整的分割出视频序列中的运动对象。本文使用MATLAB7.0实验平台和基于VC++6.0的JM8.6平台对上述研究进行了验证和分析。