图像目标分割旨在从给定的图像数据中提取出目标信息,即分割完成之后,图像中的每个像素点都分配了一个属于前景(目标)或属于背景的标签。随着立体相机技术的逐渐成熟,双目图像的数据量增加使得双目图像的目标分割已经成为计算机视觉领域的研究方向之一。通常意义而言,在自然场景的图像中,目标和背景一般处于不同的深度中。相比于单目图像,双目图像隐含着图像的深度信息,利用图像深度信息不仅能更好的描述场景中的对象,而且能更有效的表达前景和背景信息。如何在目标分割时利用深度信息来提升分割的效果是双目图像目标分割的关键所在。所以需要解决的困难在于如何将深度信息进行数学模型的表示,以及如何将得到的数学表示加入到目标的提取过程中去。本文基于图割的交互式分割方法为基础,通过加入图像的深度信息来改善分割的效果。首先,对于给定的双目图像,用户在其中的一幅图像中标记一个包含目标在内的矩形框,矩形框内外的像素分别用于生成前景和背景先验模型;然后,通过前景/背景先验模型、图像内相邻像素点的相似性和图像之间像素点的对应关系来构建图模型;最后,通过迭代的图割法优化提取出前景区域。相比于在RGB空间定义前景/背景先验模型和邻域相似性的传统方法而言,本文的方法加入了前景/背景视差信息的分布来丰富先验模型,并在RGB-D空间定义图像像素点的相似性度量。本文在两个方面利用深度信息。一方面,依据深度信息具有一定的聚类特性,将深度信息以一种概率模型的形式加入到图模型中,并以一定的权值与RGB概率模型共同用于能量函数区域项的计算;另一方面,定义一种RGB-D空间的图像像素点的相似性计算方法,将所得的相似性加入到图模型中用于能量函数边界项的计算。本文的工作表明,利用双目图像较单目图像有深度信息的优势,加入深度信息的数学模型后,能够提升图像目标分割的效果。该项工作对进一步研究计算机双目视觉有着重要的参考意义与潜在的应用价值。