动态背景下图像中存在着目标与摄像机之间复杂的相对运动,当目标发生运动时,跟踪摄像器件也相应地发生运动,从而导致运动目标在图像上造成的变化与背景本身的变化混淆在一起,使分割出的区域过多。在这种情况下如何精确的实时分割出运动目标成为本文研究的重点。本文采用了时空联合的分割方法,将时空分割融合在一起。分割过程中利用了当前帧的灰度、纹理等空间聚类信息,同时也利用了相邻帧之间的运动变化信息。在空间分割方面,采用了基于图论的分割技术。基于图论的图像分割方法是近年来国际上图像分割领域的一个新的研究热点。本文根据等周割集准则得到图像的分割结果。等周割集准则的提出源自典型的等周问题,即找出一个包含最大面积的最小周长的边界。它有效地解决了过分割的问题。借助此思想,将图像分割问题转化为线性系统问题,而不是图论传统中的特征向量问题,提高了速度,增进了稳定性,并获得了高质量的图像分割效果。时域上的分割主要是利用序列图像的运动信息实现,运动信息表现为同一对象在不同帧内的位置、姿态、形状等的差异,这就需要采用帧问的运动检测技术。本文采用背景运动估计和补偿技术,以6参数仿射模型为运动模型,通过超松弛迭代获得仿射模型参数,取得了较准确的运动估计结果。在得到全局运动参数之后,采用双线性插值的方法重建变换后像素点的亮度。通过全局运动补偿,使当前帧与补偿帧的背景基本对齐,对当前帧与补偿帧进行差分运算显露出局部运动区域。针对差分图像采用区域填充和数学形态学的处理方法,把变化点连接起来,确定目标的大致运动范围。以区域变化点的数量和该区域像素总数量的比作为比较值,设定阈值,确定运动区域。按照差分图像上确定的变化范围,合并运动区域,得到前景运动目标。本文通过仿真实验证明了算法的有效性。