本文主要研究了动态图像序列的运动参数估计问题,它是计算机视觉领域的一个基本问题,也是图像序列分析的一个核心问题,在国民经济和国防建设中都有着广泛的应用。因此,运动参数的估计通常有很强的任务依赖性,基于不同的应用假设,呈现出种类形式繁多的算法。面对这种现状,本文在广泛研究近二十年来各种运动估计算法的基础上,将其归结为三类:基于图像亮度的匹配技术、基于图像亮度的微分技术和基于频域的时空滤波器技术。本文的研究重点集中在后两者。文章的另一个重点是如何将后两类技术具体实现,从应用的角度讨论了各种算法适用的场合、算法的优缺点及其鲁棒性等问题。 本文建立了从客观世界到图像序列的完整映射模型,并将运动矢量的估计问题参数化。对基于图像亮度的微分技术依据“亮度恒定假设”,推导了求解运动矢量的光流差分方程,进而从应用的角度,建立了并实现了经典的H-S的运动参数估计模型。进一步通过分析光流微分方程在估计运动时存在的奇异性问题,提出了基于图像亮度的微分技术求解运动矢量的四类约束条件,为今后分析不同情况下的运动参数估计方法给出了明确的分类和标准。 在基于频域的能量技术领域,本文提出了一种动态图像序列运动场的频域能量新特征,并建立使用了基于方向性时空滤波器的模型来求解运动参数。文章重点分析了Gabor滤波器的方向性和能量特征,并给出了具体应用其设计和估计运动矢量的方法。 本文认为各种算法的实现与评价机制与算法本身的有效性是息息相关的。因此提出了科学选择和设计试验图像序列的方法,总结了算法实现中参数估计的三种准则,并给出了借助于误差估计的评价算法性能的准则。