根据初始化信息的来源不同,视频分割方法可分为有监督分割、半监督分割和无监督分割三种。有监督和半监督的视频分割是将手动标注的像素种子点作为样本训练分割模型,该分割模型有较好的拟合性,分割速度快,而且效果佳,但手动标注工作量庞大且繁琐,甚至在分割不准确时需再次交互,这不仅增加了交互负担,而且分割模型的建立对用户标记的差异敏感,所以传统的交互式图像分割方法适用于以编辑为目的的部分视频应用,并不适用于以自动分割为基础的其他视频应用。由于没有人为的先验信息,无监督视频分割完全依靠视频本身提供的线索以及模型的性能和可靠性实现自动分割,其难度较大。由于前景背景二类分割不能为场景识别和理解提供足够的信息,故本文研究多类对象分割以得到对象级别的目标,为视频场景理解奠定基础。本文研究了一系列视频多目标自动分割所涉及的问题,其内容和贡献主要包括以下几方面:(1)将普通的二值分割扩展到多类目标分割。该方法根据初始化信息,为每一类样本建立颜色概率模型GMM;考虑到视频中由运动引起的变化以及帧中纹理信息,故基于SIFT特征和纹理特征建立强分类器模型,由两个模型联合描述像素所属标签,增强了模型的鲁棒性。(2)提出了一种自动初始化先验信息的方法。传统的视频分割中要求提供第一帧的手动标注结果作为初始化或通过人机交互获得初始化种子,这在实际应用中增加了用户的负担。本文将基于热扩散原理的分割方法和突出区域检测结合对初始帧进行分割,该方法无需监督即可获得初始帧的多目标粗分割。(3)鉴于视频分割中时间是一个重要的线索,所以在CRF中加入基于超立体像素的高阶项,超立体像素由标签一致的时空邻域像素组成,其涵括时空信息,故可以保证分割时空边界的准确性。