光流是指图像灰度模式的表面运动,是三维运动场在二维图像平面上的投影,场景流是空间中场景运动形成的三维运动场。两者在视频跟踪与监控,自主机器人导航,三维视频压缩与显示等领域有着广泛的应用。目前来说,计算的精度和稳健性仍然是现有的光流计算中关键问题。本文结合纹理分解的思想,提出了一种新的计算光流的方法,提高了光流计算的稳健性。同时,本文采用了两种方法计算动态场景的场景流,克服了场景流计算中存在的问题,并针对由相机运动产生的误差做了优化处理。本文所取得的主要研究成果如下:首先,深入学习了经典的全局光流计算方法,即Horn-Schunk光流计算法。针对传统的光流计算方法无法解决大尺度运动的问题,在计算中引入多分辨率的思想和中值滤波器,构建了“Horn-Schunk-多分辨率-中值滤波器”计算模型,在解决大尺度计算问题的同时保证了计算精度。纹理分解是图像处理中一种重要的方法。本文采用Gabor小波滤波器组提取图像的纹理部分,用图像的纹理部分代替原始图像计算光流。实验结果表明,本文提出的方法虽然不能提高计算的精度,但在处理噪声、光照变化以及遮挡等问题上,效果明显优于传统方法。因此,本文设计的方法更加稳健。其次,在“Horn-Schunk-多分辨率-中值滤波器”模型基础上进行扩展,构建了两种不同的场景流计算方法。一种方法是利用左右相机同时拍摄图像,进行匹配校准之后计算场景流;另一种方法是用Kinect拍摄同一场景的RGB-D图像,利用RGB-D图像进行场景流的估计。结果表明两种方法都能相对准确地计算场景流。此外,为降低由于相机移动对光流/场景流计算结果的影响,对原有的光流/场景流计算方法进行改进,能够在相机焦距不变的情况下区分全局运动和局部运动。