针对利用鱼类行为监测进行水体环境保护的问题，本文提出了基于视频的鱼类运动跟踪研究，通过对鱼类运动视频进行分割、跟踪，获得鱼类运动的轨迹和速度，为鱼类参与环境污染研究奠定了理论基础(通过对比不同污染环境中鱼类运动的一些参数，进行水体环境污染程度的定量分析)。该算法采用标记多尺度分水岭方法进行鱼类运动分割，然后通过改进的加权Hausdorff 距离对鱼类运动视频进行跟踪，最后为了容纳鱼类在运动过程中形状的变化，在多值图像中引入欧几里德范数作为约束条件来完成跟踪模型的更新。实验结果表明，本文算法呈稳定跟踪状态，在连续100 帧的跟踪过程中没有出现超过1 个像素的位置差，跟踪速度差值也未超过0.12 个像素，能够快速、精确分割和跟踪鱼类运动目标。

针对视频目标提取的问题,提出了基于标记的多尺度分水岭视频目标分割算法。该算法以帧间变化检测为基础,通过改进的最小Tsallis 交叉熵进行去噪、滤波,经形态学处理后得到运动目标初始二值掩模,并利用初始二值掩模得到用于分水岭算法的前景与背景标记,用该标记修正当前帧的多尺度形态学梯度图像,最后进行分水岭分割,得到具有精确边界的视频对象。实验结果表明,该算法能有效地分割和提取视频序列中的单个、多个以及快速运动的目标,继承了变化检测和分水岭算法速度快的优点,克服了分水岭容易产生过分割的缺点,具有较强的适用性。