作为计算机视觉领域的基础课题之一,分割算法其相关研究已有几十年的历史。随着科学技术的发展,近几年来的关注重点转移到对视频的分割研究中,并提出了很多相关的算法。其结果也常常被用于其它视觉课题及应用中,例如物体跟踪,识别以及视频分类等。由于物体分割本身的复杂性,为得到精确的结果,常常需要加入用户交互过程,且因视频分割中需要处理大量数据,对算法的有效性也有一定的要求。因此本文中使用graph-cut技术,作为将前景物体从视频中分割出来的基础算法。该技术的挑战则在于如何有效地使用并综合各个线索信息从而得到满意的分割结果。在本文提出的视频分割算法中,综合使用了颜色、纹理和运动线索,从而得到空间与时间域内均连续的分割结果。为了减少因光照条件变化而对分割产生的影响,文中还使用了自引用图像技术对图像进行预处理。颜色作为物体最基础的属性,其表达方式,即色彩空间的选择作了也进行了详细的研究。Texton技术被用作提取视频图像中纹理信息,而光流技术并用于得到视频中的运动信息。为保证高效性,算法将视频图像帧分组建立分割模式。针对每一线索在算法中的作用,本文也进行了一系列详细的实验。结果表明通过对各线索的有效组合,本文提出的算法可得到满意的视频前景分割结果。