当今时代，随着信息技术的飞速发展，多媒体信息已经成为人们获取信息的最主要载体，而多媒体技术也得到快速发展。视频图像分割技术在图像处理和计算机视觉领域有着广泛的应用，同时也是计算机视觉和多媒体应用中的一个难题。视频图像分割的准确性直接影响到后续工作的有效性。至今国内外已经提出不少分割算法，但是目前还没有一种通用的、可靠的算法。　　 本文首先介绍几种常用的图像分割算法，并对边缘检测法进行MATLAB仿真,然后介绍几种视频图像分割方法。目前常见的视频图像分割算法很多种，其中背景差值法能很好地从一段视频中提取出运动目标，是现在的研究热点。本文中选用背景差值法进行视频图像的分割。在背景差值法中，可靠的背景图像的获取是该算法的关键，背景图像的准确与否直接影响到最终分割结果的好坏。在所有的背景提取方法中一共可以分为三类：手动获得、统计方法和利用背景更新算法获得背景图像。手动获得的方法需要在观察到没有前景物体时用相机拍摄，对人力和物力的需求多，而且在很多情况下很难实现。统计方法是用灰度的均值作为背景图像的灰度，这种方法获取的背景图像不具有自适应的调节作用。利用背景更新算法提取背景图像的过程中背景是不断更新的，因此具有自适应的调节作用。在本文中使用背景更新算法获取背景图像。　　 现有的背景更新算法有Surendra背景更新算法、基于Kalman滤波的背景更新算法和自适应的背景模型等。本文中对这几种方法进行研究并用MATLAB进行仿真，这几种方法在进行背景更新的过程中更新的对象都是整幅图像，算法中先求出每个像素灰度变化值，然后与阈值进行比较，灰度变化值小于阈值的像素进行更新，反之不更新。用这些方法提取出的背景图像中有拖影现象。本文中提出一种改进的背景更新算法，在该算法中先将图像分成若干个块，对每个块进行更新，最后再把得到的每个背景块相加得到最后的背景。对每个块更新时，先算出块中像素灰度变化值的均值，再用均值与阈值相比较，若均值小于阈值，则块被更新，反之块不更新。在用MATLAB仿真的结果中可以看出，改进的背景更新算法提取出的背景图像比前几种算法拖影现象明显改善，而且能更好地把背景图像提取出来。获得背景图像后，将当前帧图像与背景图像做差得到帧差图像，然后将帧差图像二值化。图像二值化时阈值的选取很重要，文中选取迭代式阈值选择方法获得阈值。最后再利用形态学处理方法去掉二值化图像中的孤立点以及填充目标物内空洞。通过使用文中提出的改进的背景更新方法将背景更精确地提取出来，使得背景差法后续的分割结果得到更好的效果，成功地将目标物分割出来。同时，整个分割算法也使背景成功地分割出来。