LK光流算法的MATLAB仿真与代码实现

光流（Optical Flow）是计算机视觉领域中一种重要的技术，用于估计图像序列中像素的运动信息。LK（Lucas-Kanade）光流算法是一种经典的光流计算方法。本文将介绍LK光流算法的原理，并提供MATLAB代码实现，以便进行仿真和实验。

1. LK光流算法原理
   LK光流算法基于亮度恒定假设，即在相邻帧之间，同一像素的亮度不发生变化。该算法通过最小化光流方程的误差来估计像素的运动向量。

算法步骤如下：
1.1 图像金字塔构建：为了提高算法的鲁棒性和对大运动的估计能力，首先对输入图像进行金字塔分解，得到一系列不同分辨率的图像。
1.2 特征点检测与跟踪：在每个金字塔层上，通过一定的特征点检测方法（如Harris角点检测）找到关键点，并在相邻帧之间进行特征点的匹配与跟踪。
1.3 光流方程建立：对于每个特征点，假设其在前后两帧之间的位移为Δp=(Δx, Δy)，则可以建立光流方程：∑∇I(x, y) * Δp = -∑I(x, y, t) * ∇I(x, y, t)，其中∇I为图像的梯度。
1.4 最小二乘解：通过最小化上述光流方程的误差，得到Δp的最优解。
1.5 反向迭代：从金字塔的最高层开始，将Δp的估计值传递到下一层，再进行光流方程的求解&