纹理是图像的重要特征。纹理特征的速度表明了目标区域的基本运动。本文通过对图像纹理特征进行分析,将纹理特征同光流基本方程结合,提出了基于Gabor滤波器的纹理特征速度计算方法,最后通过结构张量和多分辨率法解决了计算中的孔径问题和速度限制。论文主要内容如下:首先,本文研究了纹理分析的基本方法。通过讨论纹理的概念,详细分析和描述了现实中存在的纹理。纹理分析具有许多不同的方法,其中统计分析法和信号处理法是两类最重要的方法。统计分析法中自相关函数和边界频率是两种简单易用的方法。信号处理法中最重要的是在频域对图像进行分析的傅里叶变换法。频谱中包含非常丰富的图像信息,能够粗略的描述纹理的模式,从中可以得到纹理周期性,方向性和随机性的许多信息。其次,本文研究了基于纹理特征的光流计算方法。在假设相对稳健的图像纹理特征不变的条件下,推导得到运动估计方程及运动向量,然后分析了速度的预估值与实际值的残差。通过定义纹理特征的差异度,综合矩阵行列式值以及条件数来判断运动估计的准确性和稳定性,同时设计了Gabor滤波器组来实现该方法。通过对人工合成视频和实际视频序列的实验结果表明,与同样基于滤波器的已有方法相比,该方法在复杂背景和运动目标具有独特纹理特征的情况下具有良好的估计效果。最后,本文研究了改善光流估计算法的方法。光流计算的主要两个问题是孔径问题和待求速度的限制问题。针对这两个问题,分别使用结构张量法和多分辨率法进行改善。通过使用结构张量法对孔径问题进行分析,对具有严重孔径问题区域的计算进行了改进。通过将多分辨率法分别结合Lucas-Kanade光流方法和本文提出的纹理特征速度估计方法,使其能够适用于具有快速运动目标的场景。试验结果表明,结构张量法和多分辨率方法能有效的解决光流计算中的孔径和速度限制问题。