该文是在监控环境下为了满足今后对智能监控的需要,从而开展对运动目标提取的研究.当然,文中使用的方法也可以实现在其他的视频环境下对运动目标的分割提取.文中分析和总结了多种分割方法,最后从人们认识客观事物的过程出发,运用近年来一些新的算法和技术手段,通过对运动目标边缘的提取实现运动目标的分割提取. 针对应用环境,文章把视频分为有经验背景知识和无经验背景知识两种,采用不同的方法制定不同的算法流程,以得到初步的分割数据——精细边缘.在有经验背景知识的情况下,我们通过定义引入色度分量的差图象,得到稳健的运动物体框架,在此基础上修改传统的Canny算法的搜索流程,使之能处理含有时间关系的经验背景知识和当前帧,得到连续性大为改观的精细边缘.在无经验背景知识的情况下,通过将运动信息下的残缺的边缘作为种子生长点的方法,得到更丰富的边缘信息. 在处理运动背景方面,作者引入了MPEG4灵影编码中的全局运动估计方法,简化参数模型,得到背景相对运动的良好估计.为了使精细边缘连续化,作者针对有经验背景知识的情况提出辅助轮廓的概念和算法,可以有效地进一步消除噪声,也可以直接和精细边缘结合生成连续的物体边缘.进一步,作者引入主动轮廓的算法和梯度矢量场方法,在有经验背景知识和无经验背景知识两种情况下都能得以运用,并取得良好的连续边缘.最后,该文给出了算法的实验结果. 该文的算法框架具有良好的模块化结构,具有一定的开放性和扩展性,对算法框架中的每一个模块的改进都可以提高整体算法的性能.结束语中总结了该文工作,并对以后的工作做了展望.作者希望通过该文对基于边缘技术的动目标分割提取技术的研究,能够给后续的研究者提供参考思路,为视频分割算法在国民生产等方面的应用提供一些有益的帮助.