随着计算机技术的不断进步,计算机视觉的研究对象已经从单幅静止图象的研究转到对运动图象序列的研究,特别是多目标运动的复杂图像序列的研究和分析。这对图像分割提出了新的要求,即不能只着眼于单幅静止图象,仅仅满足于把目标从背景中分离出来,而是要从图象序列入手,抓住图象序列中运动目标的运动特性,把目标分离为具有某种运动参数的各个运动元。 光流场包含了运动目标的运动信息,为运动图象序列的分割提供了条件。本论文主要研究了基于光流场的图象分割技术。首先分析了现有的光流场计算技术的研究成果,确定了选用基于灰度梯度的光流场计算方法计算光流场;其次分析了3D运动场到2D矢量场的投影转化关系,建立了三个光流场模型:仿射变换模型、平面片光流模型和一般二次多项式模型;最后提出了一种新的基于光流场的图象分割算法。该算法是一种区域增长的方法,分三个步骤:初步分割、主分割和后续处理。初步分割主要是合并光流相近的象素点;主分割阶段是本算法的创新点,它的核心思想是:假设光流场在局部是连续的,从一般二次多项式模型出发,运用近代回归分析有关回归系数假设检验的理论在三个光流场模型之中选择一个最优模型,对光流场在局部进行拟合,根据拟合后的残差平方和决定是否对区域进行合并;后续处理阶段主要处理经前两步不能合并的一些孤立点。实验结果表明,本算法分割背景静止的图象序列是完全可行的。