视频编码标准MPEG-4引入视频对象平面的概念，通过将场景分割成语义对象并分别进行编码和解码，以支持基于内容的交互性和可分层性。将视频序列分解成一系列的视频对象平面是MPEG-4成功与否的关键之一，视频对象平面分割日益成为人们感兴趣的研究课题。但是目前还没有一种通用的自动分割算法适用于各种视频序列，视频对象分割还是一个经典难题。由于语义视频对象提取的算法复杂和计算量大，当前大多数的分割系统分割一帧至少需要一秒的时间甚至更长的时间。对于一个两分钟长的视频序列，大约需要1～2小时的时间才能完成视频对象分割。显然离实时处理的要求相差甚远。因此如何显著降低视频分割算法的处理时间已是一个使视频对象分割实用化的研究热点。 可能的解决方法之一是采用一种新的计算体系结构。其中细胞神经网络是此类体系结构中的一种较新的方法，可使场景或视频序列中的视频对象实时地分割出来。细胞神经网络是一个非线性模拟电路。由于它具有高速并行的实时处理能力和机理类似于人类视觉系统，特别适合于图像和视频处理领域。因此，将细胞神经网络引入视频分割是一个值得研究的问题。然而，在细胞神经网络的应用中，稳定性是一个关键问题。有些应用要求模型存在唯一的、全局渐近稳定的平衡点。本文通过构造Lyapunov泛函，研究了带时延的细胞神经网络的全局渐近稳定性问题。所得的结果对于设计带时延的细胞神经网络有重要的理论意义和应用价值。 虽然MPEG-4提出了基于对象的概念，但是MPEG-4本身没有指定从视频序列中得到视频对象的方法。近年来，已提出了各种各样的视频对象分割算法。然而，视频对象分割性能的评价研究尚停留在主观比较上，目前尚没有一种被广泛接受的客观评价方法。视频分割算法的评价是重要的，它有助于针对具体的应用选取合适的算法并设置恰当的参数，以及有利于通过融合各种算法的优点发展新的算法。本文提出了一种客观的存在参考分割时对分割算法的评价方法。本方法考虑了人类视觉系统特性，实验结果表明，用本文方法得到的评价结果与人眼的主观评价结果是一致的，且能定量地给出对象分割的空间准确度和时间一致性。