随着数码产品的大量普及、通讯技术的飞速发展以及影视多媒体技术的长足进步,使得视频文件的处理成为了行业热点。其中视频风格化绘制技术应用广泛,它是使用计算机技术表现艺术的重要方法。抠图技术在影视制作、图像处理等领域中都有着广泛而重要的应用,它是将任意形状的前景物体从源图像中提取出来的一种技术。视频抠图是传统自然图像抠图的一个延生,它是将一段视频分割为前景流、背景流和掩像流,且具有较高的精确度。视频是连续的具有时空相关性的一系列图像的组合,因此保持时空一致性和降低人工交互是视频抠图技术的重点和难点,论文采用的视频抠图算法将基于Video SnapCut算法做出改进,在保证能得到较好结果的情况下进一步提高算法效率。图像(视频)的风格化绘制属于非真实感绘制(non-photorealistic rendering, NPR)技术,其目标是通过计算机模拟出艺术家绘制的结果。保持时空一致性是视频风格化处理的一项挑战,Hua Huang等人提出的基于运动层操作的Video Painting算法较好的解决了直接将图像风格化算法运用到视频帧上所导致的时空上不连续问题。本文将改进的视频抠图算法运用到Video Painting算法中的运动层提取中,从而获得更好的运动层分割,提高算法的鲁棒性。论文首先介绍了视频抠图技术的发展现状,对现有的视频抠图算法做出阐述和分析,然后对Video SnapCut视频抠图系统进行详细的概述。本文在基于该算法的思想和框架下,对算法的多个方面进行了改进,如获取关键帧初始前景边缘时采用分水岭图像分割和实时Shared matting算法代替Lazy Snapping算法,从而减少了交互,并提高了算法的鲁棒性,能更精确的得到初始边缘；检测视频帧中特征点时采用SURF算法来代替SIFT算法等,因此提高了算法的整体效率。接着论文对视频风格化绘制技术做出介绍,并详细分析了基于运动层的Video Painting算法。针对算法中重要的运动层提取步骤,本文将改进的视频抠图算法运用到其中,代替原文中采用的图像分割的方法,局部分类器的引入大大提高了风格化绘制系统的鲁棒性,即对复杂背景的视频亦能有较好的效果。最终本文实现了一个具有较高鲁棒性的视频风格化绘制系统。该系统是视频抠图技术和NPR技术的结合,它通过视频抠图技术获得精确的运动层分割,再用NPR技术对不同的运动层进行渲染,最终得到具有艺术风格的视频。