控及多媒体应用技术中，常常需要检测出运动的人体或车体，并将其与背景分离。静态图像分割技术都能应用于序列图像的目标检测。在民用的影视制作领域，可以将拍摄目标图像和拍摄背景分开进行，再将目标提取出来完成与特定背景的合成，以达到降低拍摄成本的要求，它不要求目标的实时分割，但要求分割的精度较高。在军事目标的识别应用中，对目标的分割技术需求也很大，但对实时性的要求较高，需要将程序安装在硬件中，因而加大了技术难度。由于图像目标之间的遮挡和光照的不均匀等原因，经常产生阴影现象。无论运动分割还是变化检测都会受到阴影的影响。阴影尤其对目标分割的影响比较显著，并对后续的跟踪、识别造成负面影响，导致错误率上升，使系统的整体性能下降。在实际应用系统中，目标总是伴随有阴影，大多数的目标必须在去除阴影后才能正确检测与分割。人眼很容易区分目标与目标投射的阴影，但如何让计算机识别出阴影却是极具挑战性的研究难题。图像中的阴影可以提供有关目标的位置与形状、监控场景的表面特性以及光源等方面的信息，同时由于目标投射的阴影颜色属性明显不同于场景背景，并且和目标有相同的特性，所以进行目标检测时很容易将阴影检测为目标的一部分，造成目标的合并、几何变形，甚至使目标丢失。虽然基于统计的多峰分布背景建模方法能对反复的背景运动如摇动的树枝、光线的突变如天空云层遮挡阳光、传感器噪声等进行建模，但还是无法成功地区分场景中的目标和目标投射的阴影，这使智能监控系统无法准确判断出场景内目标的数目、形状、运动轨迹，更无法实时准确地判断此物体是安全目标还是危险目标，也不能及时报警。本文基于上述需求，研究了影视图像的目标分割及其阴影的抑制问题。12图像分割图像分割是数字图像处理中的重要前期过程，特征提取、目标识别都依赖于图像分割的质量好坏，所以图像分割决定了图像分析的最终成败。图像分割指的
f是把一幅图像分割成不同的区域，这些区域在某些图像特征如边缘、纹理、颜色、亮度等是一致的或相似的。图像分割的基本目的之一是将图像中有意义的特征或者需要应用的特征提取出来。这些特征可以是图像中的原始特征，如物体占有区域的像素灰度值、物体轮廓曲线和纹理特征等；也可以是空间频谱或直方图特征等。在对应于图像中某一方面或对象物的某一部分，其特征灰度、色彩、纹理等都是近似或相同的，但对于不同的对象物或对象物的各个部分之间，其特征就会产生r