随着智能手机及平板电脑等电子产品的普及,以及微信、微博等媒体传播平台的快速发展,图像和视频已经越来越深入地影响人类的生活方式。其中,视频作为最丰富的信息载体之一,在各个行业中有着广泛应用。随着视频信息的爆发式增长,如何让计算机理解视频场景内容,并快速有效地提取人们所需的信息等问题变得越来越重要。其中,视频分割作为视频内容分析的基本步骤,对视频信息后期处理起到了关键作用,因此也受到了越来越多研究学者的关注。另外,视频协同分割作为一项更具有挑战性的课题,通过视频间的特征一致性,将视频集合中的共同目标进行分割,极大地改善了单个视频的分割效果。本文主要围绕视频目标分割领域的一些问题进行了研究,采取合适的协同分割模型,建立视频集合间的联系,解决了视频中非相关帧(帧内不包含目标)的干扰问题,以及通过获取具有全局一致性的目标跟踪链对视频协同分割提供可靠的先验信息。具体的研究工作如下:一,对视频分割中所涉及的几种关键技术进行了介绍,详细介绍了后文中所采用的可能目标区域生成方法,显著性提取算法,并分别对几种不同的方法进行了对比分析,详细介绍了基于图像协同的多目标搜索机制及基于光流的运动信息提取方法,为后文提出新的视频协同分割方法提供理论基础;二,提出了基于目标类选取及非相关帧检测的多视频协同分割方法。该方法中提出首先对视频帧生成多样化的可能目标区域候选集,并将其聚类划分为多个目标类别,其次构建基于目标类的图模型,筛选出视频间共同包含的目标,最后采用非相关帧判别机制及图割优化框架,实现非相关帧的筛选及相关帧的目标分割;三,提出了基于目标跟踪链的视频多目标协同分割方法。利用前后帧之间的相关性及全局一致性,对目标区域进行跟踪并获取目标跟踪链,从而得到较为可靠的目标运动轨迹及先验信息,并采用能量优化框架完成最终共同目标的协同分割及多类目标分割。