视频分割技术是计算机视觉和图形图像处理的热点问题之一,其研究目的是将视频中具有显著特征的前景目标从复杂的背景中分割出来,故视频分割广泛应用于行为识别、目标监控、医学诊断等领域上。在实际的应用上,由于背景的复杂性以及前景目标的形变、遮挡、光线强度变化等原因,视频分割的准确性和鲁棒性面对极大的挑战。针对上述问题,本文提出了基于帧间缝络与超像素匹配的联合分割方法,本文主要研究工作和创新点如下:（1）对于前景目标分割中视频场景和拍摄条件的复杂性和多样性,如果直接对视频帧进行分割处理,工作量巨大而且算法耗时较长的问题。本方法拟采用感兴趣区域对目标视频进行预处理,对目标轮廓周围区域进行选取,这样可以大幅度提高视频帧像素数据的有效性,从而提高算法鲁棒性。（2）提出基于帧间缝络与超像素匹配的联合分割方法,通过视频首帧提供的前景目标轮廓及其人工标注,根据基于帧间缝络的分割方法建立视频序列的时空关系,大致勾勒出前景目标初步轮廓。然后利用SLIC超像素分割对视频帧进行划分,根据邻域超像素集策略映射形成的语义超像素块与初始目标轮廓的关系,对轮廓进行修正,以获得精度更高的轮廓边缘。（3）提出了一种基于目标特征的能量最小化匹配方法,对于超像素分割和帧间缝络联合结果利用颜色、重心、形状、周长等图像特征联系上一帧的目标分割区域计算其能量梯度,将能量梯度最小的分割情况作为局部分割边缘,联合所有局部修正轮廓得到最后的分割结果,最大程度上能保证目标轮廓在复杂背景下仍具有良好的精准性和鲁棒性。