本文重点研究面向多媒体检索领域的视频对象分割方法.在时空对象分割算法方面,提出一种基于区域的时空MRF模型对象分割方法和一种基于区域的层次MRF模型对象分割方法.在基于变化检测的对象分割算法方面,提出一种基于块的运动区域检测方法.在压缩视频对象分割算法方面,提出一种基于变化检测的MPEG压缩视频对象分割方法和一种基于块MRF模型的H.264/AVC压缩视频对象分割方法.具体的研究内容如下:提出一种基于区域的时空MRF模型对象分割方法.该方法在区域MRF模型对象分割算法的基础上,集成连续三帧的分割结果,考查了对象区域标记在时间轴上的连续性,集成了区域的时间和空间信息以分割视频运动对象.在算法实现中,为了有效确定区域的运动关系,提出了一种遮挡区域检测方法,有效去除了由于遮挡而形成的运动噪声信息.同时,为了解决区域的过分割问题,提出了一种新的区域合并策略,结合颜色和区域尺寸信息来有效去除小区域.提出一种基于层次MRF模型的对象分割方法.在不同区域分割尺度上,提出的算法利用区域分割的多尺度特性,采用不同形式的MRF模型分别完成对象分割的不同任务,并通过各层MRF模型的层间相关,形成精确的对象分割.层次MRF模型能够有效刻画对象分割的层次关系,是一种在空间层次上渐进式优化对象分割过程的技术.提出一种基于块的运动区域检测方法.该方法将区域分割结果集成到变化检测中,使分割的运动对象具有精确的边界.提出的算法集成了多种局部线索,形成一个简单而有效的运动区域检测策略规则.为了有效计算局部块的运动特征,提出了一种基于块的运动重估方案,利用相邻块运动估计的结果作为当前块运动估计的初值,使得重估后的块运动场更加平滑.提出一种基于变化检测的MPEG压缩视频对象分割方法.该方法利用DC图重建技术获取压缩视频帧的图像信息,并利用高阶统计技术检测运动的宏块.为了有效确定背景噪声,提出了一种自适应阈值计算方法来自动检测背景区域,并由此估算当前帧的背景噪声.当压缩视频码率较低,或出现大部分运动估计失效的宏块时,该算法能稳定地检测出运动对象.提出一种基于块MRF模型的H.264/AVC压缩视频对象分割方法.该方法利用压缩视频帧的运动矢量场来分割运动对象.为了有效遏制噪声,算法利用运动对象标记的跟踪过程来提高分割的精度.此外,针对变尺度块的运动补偿,提出的MRF模型利用了块的尺寸信息来提高最终分割结果的致密性,获得了满意的分割效果.