分割问题是计算机视觉研究领域中的重要问题，是物体识别，三维重建等高层研究的基础。近年来，针对单幅图像的分割研究已经取得了长足的进展，研究者们将更多的目光放在了视频与多视点图像的分割问题研究中，研究的核心在于如何有效利用图像间的相互关系，为分割提供更多的线索和约束。本文的研究内容主要包括了在视频中的物体分割以及多视点图像的物体共分割。　　在视频物体分割研究中，已有的算法主要采用交互或背景建模等方式，算法效率较低并且没有特别关注分割结果的时序一致性。本文主要利用了数据流算法的思想，循序地进行视频帧的物体分割，并利用时序约束来得到一致性保持的分割结果。在多视点物体分割研究中，已有的算法往往依赖于深度图的估计或三维建模，本文提出了基于极切线约束的多视点图像分割算法，该方法可以适用于稀疏多视点图像的物体分割。未来分割问题的研究有深度及广度拓展两个主要方向。　　本文主要研究内容包括:　　1.提出了基于双帧图模型的视频物体分割算法。针对视频的大数据量，该算法通过构建像素水平的双帧图模型，有效地结合了前帧的分割结果，前后两帧的颜色信息，时序及空间颜色差异带来的平滑约束，实现了高效在线的视频物体分割。双帧图模型的简化可以有效减少算法的空间代价，提高算法的运算效率。基于物体运动量和时序颜色差异总和之间的近似线性关系，对运动自适应的时序约束因子进行估计，使分割结果具有较高的准确度及时序一致性。比较实验及量化统计证实了双帧图模型以及自适应时序约束因子在视频物体分割中的有效性。　　2.提出了基于三明治图模型的视频物体分割算法。为了结合前后双向的时序约束，在双帧图模型基础上进行改进，通过连续三帧图像构建三明治图模型来获得中帧图像的最终分割结果。有效利用了前次处理得到的临时结果，对三明治模型中的自适应一致性因子进行估计。提出了基于光流估计的首帧分割算法，其在物体运动和摄像机平动时均可以得到准确的前景物体分割。提出了分割结果的一致性度量方法。实验证实了本文提出的首帧分割算法的有效性，表明基于三明治图模型进行视频物体分割可以得到准确度更高，时序一致性保持的分割结果。　　3.提出了自动稀疏多视点图像物体共分割算法。通过双重迭代算法有效结合了多视点图像中几何信息和图像颜色信息。有效利用了极切线约束，提出了多视点图像的几何背景提取算法，该算法只利用了图像的物体轮廓信息，具有更高的运算效率。在迭代图割中，通过背景增益因子有效避免了几何前景区域过大带来的错误。实验证实了本文算法可以实现稀疏多视点图像的物体共分割。此外，作为补充，本文还介绍了一种基于多视点轮廓图像的几何标定方法。