伴随着科学技术快速前进的步伐,对运动测量的要求自然愈加苛刻,无论是从测量的精度、效率还是从其成本方面。机器视觉技术凭借其测量的非接触性、设备简单、低成本等优势受到热切关注。文中从频域、alpha通道和大位移光流估计三个方面,对由运动模糊图像估计位移的方法进行研究分析。首先,提出由单幅彩色模糊图像的相关频域特征来实现位移测量的方法。在对运动模糊图像的傅里叶频谱分析过程中,揭示图像本身是蕴含着运动估计所需要的信息;对彩色图像采用分通道估计,从而减少在图像转化过程中的信息损失。针对参数估计中出现的误差叠加情况,将运动角度和运动尺度分开估计。根据Gabor滤波器与模糊图像频谱图的响应关系得到运动角度,并用倒谱法分离出模糊图像中的运动信息求得运动尺度。仿真结果表明,该方法能够更精确地从单幅图像中估计位移参数。其次,针对由模糊图像实现运动估计时计算复杂、消耗资源大的问题,提出一种由图像角区处alpha通道实现运动参数估计的分析方法。运动模糊图像蕴含着运动信息,而角顶点的运动对参数估计有着直观的解释;建立角区处alpha通道运动约束,使运动估计与图像去模糊分离开;运用Hough投票法将所需信息提取出来,从而得到相关的运动参数。Alpha通道的梯度计算与滤波器直接相关,分析不同滤波器对估计结果精度的差异。实验结果表明:该方法是可以由单幅模糊图像实现一定范围内的运动估计,缩短运算时间,且估计结果精度较高。最后,鉴于传统光流算法都是依赖清晰图像序列且对大位移估计效果较差,提出利用运动模糊图像中含有的信息来提高大位移光流估计精度。通过使用交替曝光模型,在两幅清晰图像之间引入一幅运动模糊图像,用于估计大位移光流场。为了抑制光照变化影响,利用结构-纹理分解方法得到图像的纹理部分。由于L1范数在间断保持、分段平滑上比L2范数更具优势,建立基于运动模糊图像的TV-L1光流模型。在Matlab平台上进行仿真实验,给出实验结果和对比分析,证实了本文提出的方法有利于提高大位移光流估计精度。