在图像序列的光流计算中，微分法是应用最广的技术。可以分为局部方法如L-K(Lucas–Kanade)技术或者Big¨un的结构张量方法，以及全局方法如H-S(Horn/Schunck)方法和它的扩展方法。局部方法通常在噪声下具有很好的鲁棒性，而全局技术会产生稠密的光流场。本论文的目的是致力于用四种方式设计一种更好理解的新的微分方法：（1）在局部和全局光流计算的方法中，我们要求并置平滑/正则化过程的作用。（2）这种探讨激励我们结合局部和全局方法的重要优点描述和估计一种新的方法——在存在噪声的情况下产生具有鲁棒性的稠密光流。（3）提出了时空和非线性扩展以及多分辨率框架的这种混合方法。（4）我们对光流方法提出了一种简单极小化能量泛函的置信度估量。它依靠产生光流的稳定