视频背景估计是从来自静止定焦摄像机的包含运动目标的视频中实现视频背景重构,其目标是解决视频图像序列中的动静分割问题,是静止背景或运动目标后继分析处理的基础,其结果的可靠性和准确性对整个视频信息处理系统至关重要,因此该问题成为视频信息处理的热点之一。由于现实环境中运动和静止的相对性、背景受光照变化和运动目标对背景的遮蔽等因素的影响,使得精确的背景估计变得困难。本文着重研究了基于置信传播算法的视频背景估计,以及对置信传播算法计算效率的优化。在基于置信传播的视频背景估计算法中,根据视频背景的空域和时域相关性,分析比较了各种现有的空域相关函数对背景估计的影响；在时域上,模拟增量调制定义了一种新的时域相关函数,能够有效改善了视频背景估计的准确度。并将相应的方法应用到视频运动目标检测上,进一步验证了方法的有效性。并给出了使用AIRPORT简单图像序列以及PETS2001等复杂背景图像序列的仿真结果。根据参考背景局部相关性的分布,利用局部最大权匹配算法得到信息传递的局部最优路径,从而在信息迭代过程中充分利用有效的信息,达到优化置信传播算法的计算效率的目的。最后通过对AIRPORT简单图像序列以及PETS2001复杂背景图像序列进行仿真实验,实验结果证明通过优化信息的传递路径不仅能够提高置信传播算法运算效率,而且能够进一步提高背景估计的精度。基于置信传播算法的视频背景估计能够有效的实现光照变化、树叶颤抖等复杂环境下视频背景的快速重建,通过优化置信传播算法信息传递的路径不仅能够有效的提高算法的运算效率,而且可以有效的避免视频背景估计中所出现的过度平滑问题。