骨骼肌是构成人体的重要组织。理解骨骼肌在运动中的作用可以帮助解决不同人群可能存在的肌肉骨骼系统问题。超声影像技术作为一种无创、实时和便捷的成像手段，已经被越来越多地用于骨骼肌的研究。从20世纪90年代开始，研究人员尝试从超声图像中获取肌肉横截面积、肌肉厚度、羽状角和肌纤维长等肌肉结构化参数来反映肌肉的状态变化。而除了生理结构外，对局部运动的定量估计有助于提供肌肉收缩过程中肌肉组织所发生的变化的更多信息。本文主要采用运动估计的方法来描述肌肉的运动。变分光流计算在模型通用性和稠密光流场的获得等方面具有明显的优越性，同时由于其自适应性比较强、贴近图像特性等特点，已成为运动估计的主流方法之一。在本文中，我们针对亮度不变、梯度不变等假设，构造不同的数据项和光滑项，推导了8种不同的光流模型，同时采用分裂Bregman方法分别对典型的H-S模型、L1-L2模型和L1-高阶模型进行求解。分裂Bregman方法由于其计算速度快以及数值实现容易等特点，已经被广泛应用于图像去噪、去模糊和压缩传感等方面。针对模型求解过程中线性方程组的求解，我们采用预条件共轭梯度法来提高计算速度，同时给出了其系数矩阵对称正定的理论分析。数值计算部分，真实场景图像和超声仿真图像分别被用来比较不同运动估计算法的性能。本文在多尺度金字塔光流计算框架下对上述几类算法进行实现。结果显示，对于综合了L1项和高阶项优点的L1-高阶模型在提高光流计算精度方面具有一定的优点。应用部分，我们首先设计试验来采集腓肠肌和股四头肌收缩过程中的超声影像，然后采用L1-高阶模型的分裂Bregman方法计算其运动场，分别针对其不同的生理结构特点提取不同的运动特征来表征肌肉的功能状态，同时与同步采集的肌电图信号及肌力信号进行对比分析。结果显示，采用变分光流算法从超声序列图像中提取的肌肉运动特征能够定量表达骨骼肌运动形态和功能的许多重要信息，具有潜在的实际应用的价值。