在图像处理领域,视频图像序列中运动目标的分割与跟踪是一个被广泛研究的热点。在众多的分割和跟踪方法中,本文将研究对象定位在具有一定复杂背景下的运动物体,采用马尔可夫随机场模型(MRF)作为本文分割的主要算法,但是基于MRF的图像分割算法存在算法时间复杂度高,处理速度慢以及参数估计不准确等缺点,这些缺点一直是该方法应用于工程实践的最大障碍。此外,传统的MRF图像分割方法大多适用于背景简单的场合,而对于复杂的背景,像背景光线的突然变化,背景中物体变化(包含随风摆动的树枝,喷泉等),无法获得令人满意的效果,因此本文针对这些缺点进行了改进。大多数视频图像处理的问题可以归结为一个标记获取的问题,也就是说,一个视频处理图像问题的解决方案就是给图像中所有的像素点分配一系列的标记。采用马尔可夫随机场,运动目标分割可以归结为事先观察场和其它一系列约束条件下对图像初始标记场进行优化,从而得到优化标记场的问题。而初始标记场的选取对马尔可夫随机场分割算法有着重要的影响。如果初始标记场选取和实际偏差较大,不能获得理想的分割结果,而且,在全局优化时,也不利于算法的收敛。为了得到较为准确的初始标记场,本文对Gibbs能量函数做了改进。将彩色图像的R、G、B三个分量分别标记获得原始初始标记场,再利用改进后的能量函数对R、G、B获得的原始标记场重新标记,获得最终的初始标记场,即对原始标记场的一次优化处理。为了提高基于MRF的图像分割速度,本文从去除冗余的计算量出发,先用对称差分算法检测到包含运动目标的小区域,再在该区域内运用马尔可夫随机场分割算法确定运动物体的精确边界.这样可以把参加计算的像素点的数量减少到原来的一半以下,提高了该算法的运算速度,同时也可以排除运动区域外的噪声干扰。实验证明,改进后的算法在复杂背景下能够获得较好的分割结果,并且实时性较好。