该文提出了一种相类似的新算法——使用色彩与视差空间信息的SCADI(Segmentation of Colorand Disparity Information)分割技术,它由多帧平均的FAS(Frame AverageSegmentation)和视差空间分割DSS(Disparity Space Segmentation)两个关键算法构成.将上述算法的两种分割结果融合而产生出的前景分割将获得类似于采用色彩与深度图分割的性能.FAS算法的输入是彩色视频,它主要基于EM(Expectation-Maximiztion)算法原理来完成多高斯(Multi-Gaussian)背景模型参数的估计.针对色彩伪装问题的分析,得出了对色彩伪装问题进行定量描述的分割盲区宽度定义,在此基础上提出了上述的时间轴上多帧平均的算法,它能够有效地压缩背景模型宽度(即分割盲区宽度),正确分割出相对于背景而言对比度很低的前景目标.但是FAS算法也引入了负面的拖尾效应,它与目标运动速度和前景背景对比度有关.在不同噪声环境、不同的前景背景对比度、不同的前景物体运动速度和不同的管道深度下的实验分析表明,FAS算法在处理伪装问题上有明显的优势.利用视差空间信息的视频图象分割的研究,以及提出的DSS视差空间分割算法是该文的重点和创新所在.DSS算法是通过检测视差空间内的变化区域来定位场景中运动物体的,因为采用了本征信息所以也具有光照无关性的优点.它需要通过统计方法得出视差空间内的背景模型,用左视线上所有匹配值的Minkovski距离作为特征来刻划视差空间的变化大小,并判断出变化区域.通过视差空间内的变化区域来定位运动物体位置的理论基础在于文中提出的视差一致性定义,而后者又得益于该文研究过程中提出的一种新的图示方法.SCADI借鉴了使用色彩与深度图信息的分割思想,并且缓解了色彩分割中的盲区问题、用视差空间图象替代深度图象从而获得相似的抗光照变化能力以及计算量的显著下降——运算时间减少一倍以上.特别是DSS算法,与使用深度图的分割方法相比,采用了更多的先验知识、具有更好的并行性、采用了相似的预/后处理以及具有相似的抗光照突变能力.它不仅是作为深度图分割的替换,可以应用在需完成运动目标与静止背景分割的场合,比如立体视频压缩编码、基于对象的视频压缩编码器、监控系统、人物跟踪、动作与手势理解、战场监测等等,而且视差空间分析方法作为全新的一个领域对立体视觉中运动物体的定位也具有指导意义.