针对同时定位与建图(SLAM)中存在定位精度不足、匹配特征点误差累积和特征匹配时间较长, 提出了一种融合改进RANSAC光流法的优化算法。该方法基于传统RANSAC算法, 加入最小二乘法对模型进行迭代优化来估计最优模型, 对光流法的误匹配点进行剔除, 大量减少图像误匹配特征点; 把融合改进后的RANSAC光流法与特征点通过卡尔曼滤波进行融合, 最后使用改进后的算法在公开的EuRoC MAV数据集中进行SLAM定位精度实验。实验结果表明: 该改进算法能够有效减小光流法特征匹配的误差, 从而提高无人机视觉SLAM的定位精度。

建立了一种适用于强激光辐照面的高温原位观测方法，并开展了高速风洞内的激光辐照实验，获得了典型金属材料与复合材料在超声速切向气流条件下的瞬态烧蚀与破坏行为；此外，基于Horn-Schunck光流法分析了各典型材料的烧蚀特征与质点的运动速度，基于粒子图像测速法并结合复合材料铺层结构特征获得了瞬时烧蚀速度。研究结果表明，各材料的动态烧蚀行为有很大差异：在切向气流作用下，熔融态钛合金的流动模式从燕尾状转变为羽翼状，而镍基高温合金则呈雨滴状流动。基于Kelvin-Helmholtz机制分析了切向气流作用下不同金属材料击穿时间存在差异的原因。超高温陶瓷复合材料的热化学烧蚀和机械剥蚀特征与编织结构类型密切相关，并且高激光功率密度条件下的抗激光烧蚀性能与碳纤维含量成正比。

航空发动机尾喷流场的压力分布对反映发动机运行状态有重要意义，传统传感器的单点测量不适用于发动机尾喷流场测量的应用场景，于是将纹影测量方法引入航空发动机尾喷流场的定量测量中。提出一种采用纹影法解耦流速与密度场的高速气流压力场分布重构方法，以实现高速气流场的密度场、速度场和压力场的实时测量与重构。首先，通过纹影图像的亮暗变化获得光线偏折角，进而间接获得流场的密度分布；然后，通过连续帧的纹影图像，采用光流测速算法获得流速分布；最后，利用已获得的流速与密度信息，通过数值计算即可获得流场的静压分布和动压分布，进而获得总压分布。实验结果表明：与皮托管测量压力结果相比，所提方法的最大偏差约为5%。所提方法仪器精简易于实现，具备非接触测量的优点，是精确重构出高速流场压力分布的有效方法，同时该方法拓展了纹影法在流场定量测量中的应用范围。

临床上采用的皮肤血液灌注成像技术存在速度慢、成本高、只能测量皮肤表面特定位置处的血液灌注信息等问题。为解决上述问题，提出了一种基于成像式光电容积描记技术（IPPG）的皮肤血液灌注成像方法。首先，利用Lucas-Kanade光流法对图像序列进行特征点动态跟踪，通过仿射变换对图像进行校正，减少运动伪影，改善IPPG信号质量。然后，采用滑动窗口遍历图像，获取各个窗口空间像素平均信号与整张图像空间像素平均信号的斯皮尔曼相关系数，并进行相关性地形图成像，以获取皮肤血液灌注分布图像。实验结果表明，所提皮肤血液灌注成像方法的正确率为81.82%，且整体成像质量和正确性优于其他已有方法。除此之外，所提方法在人体表皮最厚的四肢区域依然适用，表明其具有广泛的适用性。

显微镜倍率越大,视野越小,通常需要通过图像拼接得到视野范围大且分辨率高的切片图像。而显微图像拼接时,由于特征丰富、信息量大且包含大量相似区域,导致拼接时间过长,配准准确率低。为此,提出了一种针对显微图像的拼接算法,可以快速进行配准和融合得到拼接图像。首先通过模板匹配进行初始运动估计,然后用光流法做进一步匹配,得到匹配点对后通过相似性和位置约束剔除误匹配点,进一步提高配准精度。实验结果表明,所提方法可以在保持实时性的同时有效提高配准精度。

针对污染气体监测系统中机动车尾气排量计算问题, 提出了基于光流法的气体排量计算模型。该方法先通过红外相机获取多帧气体图像序列, 再经过光流法处理得到气体羽流一段时间之内的光流速度场矩阵, 最后与二维气体浓度图相结合处理得到气体瞬时排量。经过使用不同的光流法进行实验对比可知Farneback光流法在该模型中的适应性更好, 能够得到更好的处理效果, 该光流法计算得到的气体排量拟合度最大达到了93%, 并且在保证处理精度的同时运算速度也优于Lucas-Kanade光流法和Horn-Schunck光流法, 在低排放速度和高排放速度的气体排量计算中也有更好的稳定性。该方法为非接触式气体监测提供了新的思路。

针对无人机无法在全球定位系统信号弱或拒止环境下实现自主导航的问题, 提出一种基于改进的ORB-LK光流法的速度估计算法。首先, 通过ORB算法提取目标物体上的特征点, 经过LK光流法计算出图像光流速度; 然后, 采用前向后向匹配算法确定匹配点对, 利用渐近一致采样算法剔除误匹配实现精匹配; 最后, 结合惯性测量元件测得的无人机旋转速度和声呐测得的高度计算出平移速度, 为无人机自主导航提供速度信息。通过在Matlab中仿真实验证明, 改进算法在公开图像数据集中的平均运算时间为0.622 s, 满足无人机实时应用的条件, 相较于原ORB-LK算法大幅提升了匹配正确率, 能够准确地进行速度估计。

针对传统视觉里程计中光流法定位精度差、特征点法耗时多的问题,提出一种融合光流法和特征匹配的视觉里程计模型。该模型融合了基于帧间优化的LK光流位姿估计和基于关键帧的光流/特征点位姿优化算法。针对传统参考帧/当前帧跟踪方式容易产生累积误差的问题,在光流法的基础上,通过引入局部优化算法对相机进行初步位姿估计;针对特征法中图像插入频率过高、耗时多的问题,在关键帧的基础上,通过构建光流/特征点统一损失函数进行相机位姿优化。在EuRoC数据集上进行了算法定位精度测试,结果表明,简单环境下所提算法与特征点法的定位精度相当;在特征点缺失情况下,所提算法的定位精度较特征点法有所提高,具有一定的鲁棒性。运行时间测试结果表明,在保证定位精度的基础上,所提算法的运行时间较特征点法减少了37.9%,具有一定的实时性。