本文主要研究了视频图像序列光流的运动估计及匹配应用问题，它是计算机智能化的一个基本问题，也是动态图像分析的核心问题。图像系列光流运动估计是快速而准确地检测图像系列帧间运动的一类技术，在经济和国防建设中有着广泛的应用前景，具有非常重要的研究意义。　　 本文首先介绍了二十世纪八十年代以来国内外对光流运动估计和匹配问题研究的各类算法，分析了光流运动估计及匹配方法的研究现状。其次，作为理论基础，不但详细推导了H-S光流法的基本方程和数值解法，而且全面论证了Log-Gabor函数的性能。最后，客观的分析了近年来光流运动估计和匹配算法中存在的不足之处，引出了本文研究的重点内容：梯度优化的多尺度视频光流估计和基于两步运动估计的系列图像匹配算法。　　 第一，提出一种梯度优化的不同运动幅度视频图像光流估计的新算法。先用Log-Gabor滤波器对原视频图像进行相位、尺度滤波，再用所得的特征图像来计算时空梯度，最后根据时空梯度计算光流。该算法模型同时运用由粗到精的图像金字塔方法对视频图像分层处理。理论分析和实验结果表明，该算法适用于大幅度的视频运动光流估计，不仅能得到适合人眼视觉分辨率特性的图像，而且使时空梯度更加优化，光流计算更准确。并且在时间复杂度上与传统光流计算方法相当，在计算精度上优于H-S、段先华等人提出的算法。　　 第二，以光流法(Optical Flow)为基础，结合简化的仿射变换(Simplified AffineTransform)模型，提出了一种基于两步运动估计的系列图像匹配算法--SAT_OF算法。该算法弥补了传统的图像匹配方法的不足，而且使图像匹配残差明显减小。此外，在保证简化仿射变换参数正确的同时，使用了更加简单直接的解法，大大降低了计算的复杂性。实验表明，对存在大位移运动、复杂形变的图像，该算法更有效。