La presente tesis está enmarcada en el área de visión por computador y en ella se realizan aportaciones encaminados a resolver el problema de segmentar automáticamente objetos en imágenes de escenas adquiridas en entornos donde se está realizando actividad, es decir, aparece movimiento de los elementos que la componen, y con iluminación variable o no controlada. Para llevar a cabo los desarrollos y poder evaluar prestaciones se ha abordado la resolución de dos problemas distintos desde el punto de vista de requerimientos y condiciones de entorno, ambos considerados como retos por los investigadores en el área de la visión por computador. En primer lugar se aborda el problema de segmentar, para posteriormente identificar, los códigos de los contenedores de camiones con imágenes tomadas en la entrada de un puerto comercial que se encuentra ubicada a la intemperie (luz natural). En este caso se trata de proponer técnicas de segmentación que permitan extraer objetos concretos, en nuestro caso caracteres en contenedores, procesando imágenes individuales. No sólo supone un reto el trabajar con iluminación natural, sino además el trabajar con elementos deteriorados, con contrastes muy diferentes, etc. Dentro de este contexto, en la tesis se evalúan técnicas presentes en la literatura como LAT, Watershed, algoritmo de Otsu, variación local o umbralizado para segmentar imágenes en niveles de gris. A partir de este estudio, se propone una solución que combina varias de las técnicas anteriores, en un intento de abordar con éxito la extracción de caracteres de contenedores en todas las situaciones ambientales de movimiento e iluminación. El aunar varias técnicas de segmentación en un único método produjo segmentaciones ruidosas. El conocimiento a priori del tipo de objetos a segmentar nos permitió diseñar filtros con capacidad discriminante entre el ruido y los caracteres, evitando con ello que toda la responsabilidad de esta decisión recayera en el clasificador. El sistema propuesto tiene el valor añadido de que no necesita el ajuste de parámetros, por parte del usuario, para adaptarse a las variaciones de iluminación ambientales y consigue un nivel alto en la segmentación e identificación de caracteres, aunque las prestaciones del sistema dependen en gran medida de la capacidad del clasificador. En un paso posterior, se realizan experiencias con secuencias de imágenes de cada contenedor para refinar la respuesta del sistema. El segundo problema analizado en la tesis, aborda la temática de extraer todos los objetos que no forman parte del fondo en una escena, utilizando secuencias de imágenes y diseñando modelos de fondo capaces de adaptarse a los cambios en la escena, especialmente a los cambios de iluminación. A partir de las técnicas propuestas en la literatura para el restado de fondo (background subtraction) y teniendo en cuenta restricciones de memoria y computo impuestas por algunos sistemas inteligentes, en esta tesis, se proponen técnicas para obtener modelos de fondo adaptativos con requisitos propios de los sistemas de vigilancia automática (surveillance system). En concreto, mediante una definición propia de similitud y utilizando un computo de probabilidad basado en un estudio experimental, se proponen dos algoritmos denominados BAC (Background Adaptative with Confidence) y FBS (Fuzzy Background Subtracion) capaces de modelar el fondo con capacidad adaptativa y de proporcionar una medida de confianza. BAC y FBS llevan a cabo el restado de fondo asignando a cada pixel una probabilidad de pertenecer a fondo o de ser parte de un objeto (foreground). En este punto nuestros desarrollos se evalúan con secuencias de imágenes adquiridas en interiores donde aparecen problemas de sombras, cambios de iluminación, así como con el benchmark Wallflower aceptado en la literatura especializada para testear técnicas de modelado de fondo. Los resultados obtenidos por las técnicas propuestas BAC y FBS se muestran prometedores al ser comparados con los obtenidos por otras técnicas presentes en la literatura.