光流算法是计算机视觉领域一个十分重要的分支,是研究连续运动图像的主要方法之一,它描述的是运动物体在灰度模式下的表观运动。光流可以在不预先知道运动物体的位置、特征等条件下,就可以提取出运动场景中的结构、深度和轮廓等重要信息,是一种高层次的视觉表述。本文主要围绕光流算法进行研究,具体针对遮挡区域光流的修补,提高光流的精确度。本文首先具体阐述了传统的Hom-Schunck光流算法和Lucas-Kanade光流算法,Hom-Schunck光流算法是在灰度守恒的约束条件下提出的,并附加光流的整体平滑性约束的一种光流算法,Lucas-Kanade光流算法是基于局部平滑约束的算法；然后全面分析了这两种算法的优缺点,比较了它们的性能优劣；最后通过多组实验进行了验证。Classic+NL光流算法和TV-L1光流算法,是目前精确度较高、鲁棒性较好的光流算法,但对遮挡区域的光流没有很好的处理。本文深入分析了有效的光流检测方法来判断遮挡区域,并通过单调递减函数对遮挡区域进行处理,抑制了遮挡区域错误光流对邻域的扩散,最后提出PSO修补法、基于邻域的横向修补和基于相邻帧光流的纵向修补方法等多种方法,实现对遮挡区域的错误光流的正确修补。实验结果表明,这些方法能有效克服遮挡区域错误光流对邻域的扩散,并且有效的对遮挡区域错误光流进行了修补,更准确地刻画出光流场,提高光流的计算精度。