在图像处理领域，视频图像序列中的运动目标分割技术是一个被广泛研究的热点。在众多的分割算法中，本文将研究对象定位在一般背景下的多个运动目标分割，采用结合色彩信息的时空马尔可夫随机场模型，提出了两种有效的运动目标分割方案，并取得了良好的分割效果。 色彩聚类部分 本文采用区域生长算法对RGB色彩空间的彩色图像进行色彩聚类，并提出一种聚类后续算法，用于去除色彩聚类图像中像素数目过少的色类以获得最终的聚类结果。在算法实现过程中，采用树形数据结构以增强算法的实时性。 方案一：一种改进的时空马尔可夫随机场模型 传统的马尔可夫随机场模型以图像事先观察场作为先验知识，获得图像标记场。改进模型延续了传统模型的分割思想：首先，对视频序列的前后三帧图像进行两次帧差运算，获得两帧图像事先观察场；然后，采用均值法自动提取阈值，以此对事先观察场进行二值化，从而获得初始标记场；最后，以图像事先观察场作为先验知识，结合色彩聚类图像提供的空间信息，并运用ICM算法对初始标记场进行优化，获得优化标记场，从而得到最终的分割模板。改进的二阶邻域系统弱化了运动产生的显露遮挡现象，同时，引入的色彩信息减弱了运动一致性产生的空洞现象，削弱了噪声对分割结果的影响，使得分割结果逼近运动目标的真实轮廓，从而获得较好的分割结果。 方案二：一种新的时空马尔可夫随机场模型 该模型提出了一种新的分割思想，以原始图像的色彩聚类图像作为先验知识，获得图像标记场，并在此基础之上重新定义Gibbs能量函数。首先，采用与方案一相同的方法，对视频序列的前后三帧图像进行处理，获得两帧初始标记场；然后，对前后两帧初始标记场进行与操作，获得中文摘要基于马尔可夫随机场的运动目标分割算法研究共同标记场;最后，以原始图像的色彩聚类图像作为先验知识，运用ICM算法对共同标记场进行优化，获得优化标记场，从而得到最终的分割模板。该模型克服了运动产生的显露遮挡现象，减弱了运动一致性造成的空洞现象并削弱了噪声对分割结果的影响。 实验证明:方案一对简单背景下帧间位移较为明显的运动目标具有较好的分割效果，并且实时性较好;而无法准确提取复杂背景下帧间位移矢量较大的运动目标的有效轮廓。方案二对简单背景下帧间位移较为明显的运动目标的分割效果明显优于方案一，并且实时性较好;对复杂背景下帧间位移矢量较大的运动目标同样具有良好的分割效果，但实时性较差二