作为计算机视觉的一个重要分支,前景检测和背景建模在图像处理中是一个重要的研究热点,也是图像预处理技术中一个重要的任务,其目的是将场景中运动目标从场景中分离出来。在智能交通,视频监视,航空检测有着广泛的应用。尽管国内外大量的研究学者在此领域做了大量的研究,然而在实际场景中,由于噪声的干扰、光照的突变、背景元素、相机的抖动或者移动等因素的影响,将前景目标从背景中分离出来依然面临了很多的挑战和困难。在此背景下,本文将从静态场景和动态场景中的检测算法进行了深入的研究。静态场景是将相机固定在某个角度所采集的数据,动态场景是将相机固定在某个支点,从连续多个角度进行场景采集。本文主要考虑如何将运动目标从背景中分离出来,且在不同环境提高前景检测的鲁棒性,以及如何消除噪声的干扰和在动态场景中消除背景的干扰,主要研究成果如下:1.基于帧差法,提出了一种结合代数多重网格的前景检测算法,通过研究代数多重网格算法(Algebraic Multi-Grid)在构造粗网格算子的过程,将其应用到图像处理当中,提取图像的一系列的粗网格,并将这些粗网格进行插值,得到重构的三层图像,然后结合帧差法进行同层场景的目标检测。为了验证实验结果,本文做了原始方法的实验,作为对比。实验结果表明,本文方法在静态场景中能有效的去除噪声的干扰,从第一层到第三层的检测结果都比原始方法检测效果要好,尤其在第三层,基本去除噪声的干扰,有效提取运动目标的轮廓。2.基于代数多重网格和背景差分法进行前景检测,为了验证代数多重网格能够有效的进行图像重构,本文将重构的效果应用在背景差分法中,进行运动目标检测。实验结果表明,代数多重网格重构的效果能有效的保留图像的有效信息,再利用背景差分法进行检测时,能去除噪声的影响,有效的提取出运动目标,有较高的鲁棒性。3.在动态场景中,提出一种基于全景图的方法,首先将多场景图像利用图像拼接算法形成包括全场景的全景图,以此建立背景建模。在全景图的基础上,使用代数多重网格方法进行重构,然后对运动目标进行检测。实验结果表明,在全景图的基础上进行目标检测,可以消除更多冗余信息,消除相机抖动及噪声对检测结果的影响,更好的对目标进行有效跟踪。