视频分割是指在时间轴上将视频图像分割成一系列相互关联的空间区域,这种基于区域的图像表示方法为视频的灵活处理提供了可能。它在视频编码、检索和多媒体交互中存在着广阔的前景。视频分割的研究是从空间域开始的,特别是MPEG-4引入视频对象的概念,以支持基于内容的编码、交互和操纵,从此受到了广泛的重视。在实际应用中,由于视频数据量大,通常是以压缩后的视频流形式存储和传输的,且直接在压缩域进行视频对象分割相对于空间域分割速度快,近年来研究重点逐步转向了压缩域。视频对象分割是视频处理和计算机视觉领域的一个难点。其挑战主要来自两方面,一方面是现实世界中场景的极度复杂性和多样性很难为它们建立一个统一的先验模型;另一方面视频对象的语义属于高级特征,很难通过运动、纹理等低级特征来进行准确的定义和描述。因此,从可行性角度出发,目前的视频对象分割大都集中在运动目标的分割上,本文也是如此。本文在介绍运动对象分割的概念和基本原理的基础上,综述了常见的压缩域视频运动对象分割算法,并对它们的性能进行了比较和讨论。然后,提出了两种压缩域的运动对象分割算法。针对目前最常见的MPEG视频流,提出了一种基于梯度模型的压缩域的运动对象分割算法。首先,利用离散余弦变换(DCT)系数获得所有物体的边缘,然后融合在累积运动矢量(MV)基础上的得到的边缘运动信息,从而获得感兴趣的运动物体的边缘。对于最新的视频标准H.264/AVC的视频流,提出一种基于区域跟踪的H.264压缩域的运动物体的分割算法。它利用H.264新特点对部分解码得到的运动矢量进行预处理,然后在较可靠运动场的基础上对每帧进行区域分割,最后通过区域跟踪完成运动对象的分割。仿真实验结果表明,两个算法都取得了较好的分割效果,有一定的应用价值。