目前,图像和视频已成为人们生活中最重要的信息传播载体之一,而图像和视频目标分割技术在图像和视频处理中扮演着重要的角色,且已广泛应用于影视制作、虚拟现实和智能监控等多个领域。交互式的图像和视频目标分割技术根据用户在图像或关键帧的标记作为分割的先验信息以获得分割结果。然而,针对具有复杂场景的图像和视频,现有的分割方法想要获得准确的分割结果,往往需要在前景和背景区域提供大量的用户交互。因此,本文围绕图像和视频目标分割方法的分割质量和分割效率进行分析,对现有方法所存在的局限性和重难点问题进行探讨,并基于双边网格进行预处理及改进图割算法等方面展开研究。针对复杂自然场景下图像分割方法分割质量和效率不高的问题,本文提出一种基于外观模型和高阶一致能量的双边图像分割方法。首先采用双边网格将图像像素点采样至5维的双边空间,其次以非空双边网格单元作为结点并构建图割优化模型,其定义具有置信度判别的外观模型,并引入增强标签一致性的高阶一致能量项。最终采用最大流/最小割算法求解能量函数,从而获得较好的分割结果。实验结果表明,该方法在复杂场景下不仅能够获得高质量的图像分割结果,且对高分辨率的图像分割也具有实时性。相对于图像分割,视频目标分割往往更具挑战性,本文将上述方法扩展至视频中以解决复杂场景下的视频目标分割问题。本文提出一种动态外观模型和高阶能量的双边视频目标分割方法,将视频目标分割转换为基于双边网格单元的马尔可夫随机场模型求解问题。首先将带关键帧标记的视频序列映射至高维的双边网格,极大地减少待处理的数据。然后以非空网格单元作为图的结点并构建图割优化模型,其关键在于定义了具有置信度判别的动态外观模型,并在能量函数中引入鲁棒的高阶能量项。最后利用最大流/最小割算法进行全局优化求解,以为视频像素点分配二值标签,最终获得视频目标分割结果。采用DAVIS2016和SegTrackv2数据的实验结果表明,该方法在提供少量用户交互的情况下,不仅能在处理具有复杂场景的视频时获得理想的视频目标分割结果,而且还能显著提高视频目标分割的时间效率。