运动图像分析是计算机视觉和图像处理的重要问题，而光流计算是其关键技术之一。光流携带着被观察物体的三维结构等丰富的信息，通过光流可以了解物体重要的运动信息。因此对光流的研究是当今研究的热点，本文工作主要就是对基于变分理论的光流计算技术进行了研究和改进。　　用变分光流算法处理问题，最终都会将其归结为求解能量泛函极值的问题。求能量泛函的极小值与求解其对应的扩散反应方程得到的解是一致的，所以可以直接从扩散反应方程计算光流而避开最小化能量泛函过程中出现的一些问题。　　本文提出了一种基于结构张量的变分光流计算方法。数据项采用两种守恒假设约束相结合的方式，即灰度守恒假设约束与结构张量守恒假设约束共同构成数据项。结构张量守恒利用了局部结构信息，对外部光照的变化不敏感，能很好的处理光照发生变化的图像序列，提高了光照突变情况下的计算准确率。同时采用全局方法与局部方法相结合的方式提高了算法在噪声情况下的鲁棒性，并引入非平方惩罚函数以保证数据项的可微性和凸性。本文的平滑项则是直接对扩散反应方程中的扩散项进行设计，在低分辨率下采取各向同性线性扩散，高分辨率下采用各向异性光流扩散。这样设计就能保证在满足凸性和可微性的前提下，加强了处理运动物体边缘的能力。为解决大位移的光流计算问题，本文采用多尺度分层细化策略进行计算。　　最后，通过多个具有代表性的图像序列验证了本文改进算法处理一些问题的优越性。通过实验的对比分析和误差数据计算证明本文改进的算法在计算精确性和鲁棒性都要优于以往其他变分算法，处理含有光照突变的图像序列效果较好，有较强的边缘检测能力并且在处理大位移光流问题时效果也较好。