运动目标检测是计算机视觉研究领域中重要课题,在智能交通、安全保卫等诸多领域有着广阔的应用前景。由于光流不仅含有被观察物体的运动信息,而且还携带着被观察物体的三维结构等重要信息,因此光流法已成为运动目标检测的重要方法之一。实际应用结果表明,光流法应用于运动目标检测时,存在着易受光照变化影响、抗噪性能低、稳定性差、运算量大、运动边缘计算不准等不足之处。如何有效提高光流法在运动目标检测应用中的可靠性、稳定性和实时性是目前计算机视觉研究领域的热点问题之一。论文针对光流法在运动目标检测应用中存在的不足,提出了改进的变分光流算法,利用仿真实验验证了所提出方法的可行性和有效性。论文的主要研究工作包括:(1)对基于变分理论的光流计算技术进行了研究。对变分光流算法中的能量泛函转变为非线性偏微分方程进行了数学证明,对扩散反应方程和极小化能量泛函的一致性进行了分析。分别对能量泛函中的数据项与平滑项进行了改进,得到了新的扩散反应方程。(2)通过结合灰度守恒假设和拉普拉斯守恒假设对数据项进行改进,有效地提高了光照突变情况下光流计算的准确性。与Lucas局部约束算法相结合,有效的增加了算法在含有噪声时的鲁棒性。通过引入基于各向同性、图像驱动的平滑项,来达到消除噪声和保护边缘的目的。通过多分辨率分层细化策略解决了大位移问题对光流计算的影响。(3)结合改进的光流法与三帧差分法,提出一种新的运动目标检测方法。采用改进的光流法,对重要的、具有代表性局部特征点——Harris角点计算光流,引入了三帧差分图像作为简化光流法的补充。实验结果表明,与单独使用两个方法相比,本方法在提高光流计算的实时性方面具有明显的优势。(4)考虑到固定阈值二值化图像的弊端,在对比分析常见的自适应阈值选取方法基础上,选取了Otsu自适应阈值作为对三帧差分法二值化的阈值,通过寻找满足最大类间方差条件的阈值,使三帧差分法得到的前景图像在一些像素点获得更加准确的结果。实验结果表明,采用该方法会使得到的运动目标范围更加完整。由于大津法所具有的快速、简单、稳定的特性,因此在计算效率方面也有较大的提升。