一、文献综述
论文题目，三号黑体居中，上下各空一行。
- 国内外研究现状
1、光流法的发展历程
从我们出生的那一刻开始，我们拥有了观察世间万物的能力，不管是静态的还是动态的画面，我们都可以通过我们的双眼一一捕获。我们是如何通过我们的双眼去获取我们所看到的物体的信息的？我们又是如何识别这些运动物体的一系列变化的？
直到1950年Gibson提出了光流这一概念才慢慢解开了人类视觉的谜团，当我们观察一个运动的物体的时候，运动的物体会在人眼的视网膜上呈现一系列变化的图像，这些连续变化的图像不断地流过视网膜，就好像光的流一样，这就是光流这个名称的由来。严格来说，光流是空间运动的物体在观察成像平面上像素运动的瞬时速度。
在光流概念提出后，越来越多的科学家开始关注光流的研究。1977年，光流提出者Gibson称光流场可以提供有关所观察物体的空间排列和这种排列变化的速度的重要信息Jain 在1977年尝试使用连续图像帧之间的差异来分割图像。但是如何计算连续变化图像的光流仍然是一个待解决的问题，直到1981年，在已有研究基础之上，麻省理工学院人工智能研究院的Horn 和Schunck开始了对光流计算的研究。大名鼎鼎的HS光流法横空出世，此后不久Bruce D.Lucas和Takeo Kanade在HS光流法基础之上提出了LK光流算法。
HS光流法和LK光流法的提出无疑给光流估计提供了坚实的理论根基，从1981年经典的两个光流法的提出以来，光流法的优化一直是这四十年来的热门研究。关于光流法优化的文章也层出不穷，尽管研究学者给出的光流法很多，但是优化的思路却是一致的，参考文献[4]对比了背景减除法和帧间差分法的优缺点，提出了一种结合帧间差的光流计算方法。此方法对序列图像进行隔帧差分，针对差值图中不为零处的像素来计算光流，能够解决背景减除法对环境因素敏感的问题以及帧间差分法难以提取物体完整的信息的问题。参考文献[8]在HS光流法基础上，采用了彩色图像序列进行光流场的计算。由于彩色图像相对于灰度图像可以提供更丰富的光学信息，对克服孔径问题有很大的帮助，作者利用彩色图像中基于物体表面颜色提取出的局部特性，建立超定的线性方程组，从而确定光流中的两个运动分量。参考文献[9]通过缩小图像的尺寸来减小图像中物体的运动位移从而解决LK光流法中三个假设条件在现实情况中难以满足的问题。参考文献[11]研究的是机器人如何快速避障，这对算法的时间要求比较苛刻。作者提出通过添加动量项的方法来减少光流场计算时的迭代次数，同时缩短了计算时间，从而提高了机器人的避障效率。由于外界光线变化的干扰给彩色图像的处理尤其是定量分析带来了很大的困难，参考文献[13]根据RGB模型中，白光照射下，RGB各分量基本保持不变的特性，提出了改进的光流法来抑制光线对普通光流法的影响。
Barron等人对这些光流计算的技术进行了 总结，按照理论基础与数学方法的区别，分为了：微分法、区域匹配法、基于能量的方法和基于相位的方法。目前研究比较流行的是微分法和区域匹配法，因为其计算相对后两者较为简单。为了对比各种光流法的优劣，有了测试库和质量评价标准，给研究人员提供了基准光流场和评价指标，为对比各种估计算法提供了对比平台。
随着光流法的不断完善与优化，计算机视觉学科的发展也到达了一个高潮。计算机视觉研究是通过计算机模拟人类和高级生物的视觉形成机制，对外界的图像信息进行分析和处理。光流场在视觉形成过程中一直占有重要的地位，比如在运动检测中提供了图像平面上的二维运动矢量信息，又比如在运动识别中，丰富的二维运动矢量信息对识别的正确率有着重要的意义。
2、颜色模型发展现状
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
