计算机视觉是通过模仿人类视觉系统来获取信息的。计算机视觉系统通过采集图像、处理图像最后得到人类想要的信息，并显示出特征信息。光流是计算机视觉的一个重要研究内容，主要用于目标检测、精确制导、形状恢复等方面，在军事和日常生活中有广泛的应用。目前光流的计算主要有五种，微分法、匹配法、能量法、相位法和神经动力学法。但是光流的几种算法普遍存在的缺点是计算量比较大，计算时间长，难以满足实时性要求，一般不被实时监控系统所采用。所以学者们纷纷对老算法进行改进或提出新算法，来提高光流的计算效率。其中微分法原理比较简单，实现比较容易，在其基础上的改进算法就有十几种。本文也是在微分法的基础上研究了几种光流算法，并提出了把光流场应用在核爆炸监测中。首先，本文研究了Horn-Schunck算法，并对常用的4邻域模板的迭代部分进行了改进。通过与传统的算法相比较，改进算法减少了迭代次数，提高了计算速度。此外，本文将改进的算法加入到夏毓鹏等提出的增加了图像边缘特征的微分法中，结果显示此法在收敛边缘的基础上减少了迭代次数。其次，本文研究了特征光流的计算，比较分析了Harris角点检测和sift特征点检测方法，利用Harris角点检测计算出图像的特征点并进行角点匹配，然后利用改进的Horn-Schunck算法来计算特征点的光流。此种方法，计算量小，计算速度比较快，得到的是稀疏的光流场。最后，本文利用改进的微分法计算核爆炸图像的光流场，分析核爆炸图像的光流场的特点，如蘑菇云形状，水平速度左右对称，垂直速度向上，并且在核爆炸初期、中期、晚期的水平速度由小变大再减小，垂直速度是刚开始很大，之后越来越小。根据这些特点可以判断采集到的图像是核爆炸。这是光流在目标检测与识别的又一应用，具有很大的实际意义。