现代信息技术的持续发展,多媒体信息已经成为人类获取外部信息的主要来源。视频作为具有丰富多样视觉信息的数据形式,已经成为多媒体信息传递的载体之一。近年来,视频数据的规模呈爆炸式增长趋势,给视频处理分析带来了巨大的挑战。为了满足视频大数据处理分析的需求,需要有效快速地对视频数据进行处理,提取出其中人类感兴趣的信息。而在视频数据中,用户感兴趣区域大多是目标区域。这就需要我们将视频中目标提取出来,在感兴趣目标的基础上有效地处理分析视频,视频目标分割任务就由此发展而来。视频目标分割的目的就是以视频序列为数据基础,将目标从视频的每一帧中分割出来,完成目标像素级标注,获取目标准确的轮廓边缘。作为计算机视觉领域中的一个基础的研究方向,视频目标分割能够提取视频中的重要信息,可以为目标行为分析、视频检索、目标姿态估计、视频摘要等提供研究基础,同时还可以广泛应用于自动驾驶、智能监控、增强现实等领域。由于视频目标分割具有一定的研究价值和广泛的实际应用价值,国内外众多科研机构和学者对此进行了深入探索。由于视频拍摄存在着目标类型多种多样,环境背景复杂,目标遮挡,以及目标位置变化剧烈等问题,视频目标分割一直是计算机视觉领域内一个具有挑战性的任务。现有的自然场景下的视频目标分割方法,大都比较重视视频目标的语义信息,而忽略了视频的底层时空结构信息,这样在视频场景比较复杂,尤其是背景中存在与前景目标外观相似的非目标区域时,由于视频底层时空结构特性难以保持,导致目标在其判别性较弱的边缘区域分割不完整,影响视频目标分割在自然场景下的准确率和鲁棒性。针对上述问题,本文围绕如利用视频的底层时空结构,使视频目标在判别性较弱的边缘与背景良好分割,进行了以下两部分工作:(1)提出了一种基于边缘增强的视频超体素提取算法。通过利用超体素的边缘性,度量每个超体素的边缘信息量分配权重,加大了处于目标边缘位置的超体素被选择的可能性,以此使得超体素提取结果具有更好的边缘信息,提高了超体素提取的精度。在SegTrack数据集上的实验结果表明,该算法提高了视频超体素提取的准确性。(2)提出了一种基于超体素池化的视频目标分割算法。通过利用超体素的时空结构保持特性,将超体素特征融合到卷积神经网络的分割模型中,同时考虑带有空间细节的超体素特征和视频的原始卷积特征,增强了分割目标的边缘细节,提高了视频目标分割的精度。与其他分割算法相比,在DAVIS 2016数据库上轮廓准确率和区域相似度分别提升了1.1%和1.4%。