光流估计在运动图像分析中一直占有很重要的地位。已有大多数光流估计算法不能很好的完成对局部区域像素的运动估计。本文通过对图像中无纹理区域(untext)以及运动不连续处区域(disc)进行研究,设计了新的算法以减小原有算法在这些区域上的计算误差。为了提高计算精度给出更好的运动估计结果,本文引入了匹配算法等算法,并设计了一种新的邻域计算方法。论文主要内容如下:首先,本文研究了光流估计的基本方法,掌握了现有的几种光流算法的基本思想,并进行了仿真。Horn-Schunck算法采用正则化的方法求取光流,但是在图像边缘区域计算误差较大。Lucas-Kanade算法采用局部的思想,引入最小二乘算法求取光流,但是在图像纹理较差的区域算法精度较差。其次,本文就无纹理区域和边缘区域提出了改进的方案。通过研究分析,多数算法对图像上大部分像素无法正确估计其光流。这样的像素大多分布于无纹理区域以及运动不连续区域。因此在无纹理区域上引入金字塔算法和块匹配算法,假设每个块做平移运动,以求出无纹理区域上像素的光流。对于运动不连续区域上的像素,由于该区域上的像素运动大多数情况下运动不一致,甚至存在多运动像素点,因此在这样的特殊区域上,利用边缘算法求出图像中的边缘区域,并利用本文提出的两种邻域确定方法,在新的邻域内计算和中心像素运动一致的点,利用新的邻域求取像素光流。最后,本文对上述改进算法进行了仿真实验。实验证明,通过上述改进,能够解决多数像素的光流求解问题,得到较为准确的光流结果,通过与原有算法的比较,改进后的算法在绝对误差与角度误差等指标上,均有所改善。