1.一种面向运动估计的曲率增强大位移图像变分光流方法，其特征在于，包括以下步骤：S1、获取相邻两帧输入图像，对所述相邻两帧输入图像构建图像金字塔；

S2、在图像金字塔中选取当前用于光流估计的金字塔层，初始化该层的光流场及光流增量，并构建包含亮度不变约束、梯度不变约束及曲率权重因子的变分光流能量模型；

S3、在所述变分光流能量模型 的数据项系数位置，引入基于图像曲率的自适应权重调节机制，通过图像曲率表征图像局部结构复杂程度，并对亮度不变约束项与梯度不变约束项进行差异化加权调节；

S4、构造关于图像曲率单调递减且有界的曲率权重函数，并引入自适应调节因子，对所述曲率权重进行动态约束与调节；

S5、针对引入曲率加权后的非线性变分光流模型，采用交替方向乘子法对数据项与全变分正则项进行变量分裂与协同优化，实现模型求解；

S6、在当前金字塔层获得光流更新结果后，将所述光流更新结果向更高分辨率层插值传播，并重复步骤S2至S5，直至最高分辨率层完成计算；

S7、在最高分辨率层完成光流增量迭代更新后，输出最终光流场，用于表征相邻两帧输入图像之间的像素级运动信息。

2.根据权利要求1所述的一种面向运动估计的曲率增强大位移图像变分光流方法，其特征在于，所述S1步骤中，获取相邻两帧输入图像 和 ，对所述相邻两帧输入图像进行预处理，构建由N层不同分辨率图像组成的图像金字塔，其中最低分辨率图像位于金字塔顶层，最高分辨率图像位于金字塔底层；在该金字塔层 ，初始化该当前金字塔层对应的光流场的水平分量 和垂直分量 ，以及对应的光流增量 和 ，在完成初始光流计算层的光流估计后，将该层获得的光流场作为高一层分辨率图像进行光流计算的初始值，并按照由低分辨率层到高分辨率层的顺序逐层进行光流估计，实现对大位移光流的逐级估计。

3.根据权利要求2所述的一种面向运动估计的曲率增强大位移图像变分光流方法，其特征在于，所述步骤S2中，构建同时包含亮度不变约束与梯度不变约束，曲率权重因子的变分光流能量模型 的具体步骤为：S21、在当前图像金字塔层对两帧输入图像的光流场进行初始化，得到光流水平分量和垂直分量 ，以及与其对应的光流增量  和 ；对所述当前金字塔层的两帧输入图像分别进行偏导数计算，其中基于亮度不变约束，计算得到输入图像在水平方向上的一阶空间偏导数 、在垂直方向上的一阶空间偏导数 ，以及沿时间轴方向的亮度变化偏导数；基于梯度不变约束，分别对输入图像的空间梯度进行计算，获得第 帧输入图像在水平方向上的梯度偏导数 、在垂直方向上的梯度偏导数  ，以及对应的梯度随时间变化的梯度变化项 ，其中 =1，2分别表示第一帧输入图像和第二帧输入图像；

S22、在当前金字塔层引入亮度不变约束与梯度不变约束，构建包含曲率权重因子的变分光流能量函数 ，用于度量相邻图像像素之间的运动一致性，其函数形式定义为：，其中，

表示输入图像亮度在空间上的梯度向量， 表示所述梯度向量的幅值，

表示散度算子， 表示图像等值线的曲率信息， 为基于图像曲率构建的

权重函数，用于根据图像局部结构复杂程度，对亮度不变约束项与梯度不变约束项进行差异化加权调节； 表示图像定义域，为全变分正则项的权重系数，在此基础上构建包含亮度不变约束项与梯度不变约束项的混合数据项 ，表示为，该混合数据

项用于增强在光照变化和复杂纹理条件下光流匹配的鲁棒性。

4.根据权利要求3所述的一种面向运动估计的曲率增强大位移图像变分光流方法，其特征在于，所述步骤S3中，变分光流能量模型的数据项中引入基于图像曲率的自适应权重调节机制，具体包括：S31、构建基于图像曲率的自适应权重函数 ，其中 ，用来表示输入图像亮度等值线的曲率信息，刻画图像局部结构的几何复杂程度；

S32、将曲率自适应权重函数 作为整体系数乘置于所述数据项 前，对

亮度不变约束项与梯度不变约束项进行差异化加权调节，从而得到改进后的变分光流能量模型： ，当图像局部曲率较大时，自适应权重函数 取较小值，从而降低复杂结构区域中数据项对光流估计的影响；当图像局部曲率较小时，自适应权重函数 取较大值，以增强结构平坦区域中数据项对光流估计的约束能力。

5.根据权利要求4所述的一种面向运动估计的曲率增强大位移图像变分光流方法，其特征在于，所述步骤S4中，构造关于图像曲率单调递减且有界的曲率权重函数，并引入自适应调节因子，对所述曲率权重进行动态约束与调节，具体包括：S41、在当前金字塔层根据输入图像计算图像曲率 ，所述图像曲率定义为：

，其中，ε为防止分母为零的正数常量；

S42、基于所述图像曲率 ，分别构造作用于亮度不变约束项和梯度不变约束项的曲率权重函数  与 ，曲率权重函数为关于曲率绝对值单调递减且取值有界的函数，其数学模型分别表示为： ， ，且满足 0<≤1，0< ≤1；式中，  与 分别为亮度不变约束项和梯度不变约束项对

应的曲率调节系数；

S43、在所述曲率调节系数中引入自适应因子 ，使所述曲率调节系数根据图像曲率进行动态调节，其数学模型表示为： ， ，其中，  与  为初始调节参数，η为曲率自适应控制因子；在此基础上，将曲率权重函数分别引入亮度不变约束项与梯度不变约束项中，对原有混合数据项进行加权修正，从而得到曲率增强的数据项 ，使数据项权重能够随图像局部曲率动态调整，其数学模型为：。

6.根据权利要求5所述的一种面向运动估计的曲率增强大位移图像变分光流方法，其特征在于，在所述步骤S5中，针对引入曲率自适应加权后的非线性变分光流能量模型，采用交替方向乘子法对所述能量模型进行求解，具体包括：在所述变分光流能量模型中，对全变分正则项中的梯度约束进行变量分裂，引入辅助变量 以及与其对应的拉格朗日乘子并构建如下约束关系： ，其中 表示光流分量索引，在此基础上，将曲率增强的数据项与全变分正则项共同构建为增广拉格朗日能量函数，其数学模型为：，其中，

为全变分正则化权重参数， 为约束惩罚参数，用交替优化策略，依次对光流增量变量、辅助变量 以及拉格朗日乘子 进行迭代更新，以实现曲率增强数据项、全变分正则项与约束条件之间的协同优化。

7.根据权利要求6所述的一种面向运动估计的曲率增强大位移图像变分光流方法，其特征在于，所述步骤S6中，光流增量 和  在满足欧拉–拉格朗日最优性条件的基础上，采用梯度下降方式进行迭代更新，其更新方式满足如下关系式：，其中， 和 

分别表示对图像空间坐标 和 的偏导算子，为约束惩罚参数， 为水平光流梯度辅助变量， 为垂直光流的辅助变量， 为水平光流约束对应的拉格朗日乘子， 为垂直光流约束对应的拉格朗日乘子；所述参数 为预设的迭代步长参数， 为第 次迭代，以保证所述光流增量更新过程的数值稳定性和收敛性。

8.根据权利要求7所述的一种面向运动估计的曲率增强大位移图像变分光流方法，其特征在于，在步骤S7中，于最高分辨率的图像金字塔层  获取对应的最终光流增量 和，并将最终光流增量分别与该层对应的光流水平分量 和垂直分量 进行叠加更新，以得到最终光流场的水平分量 和垂直分量 ，其中更新关系满足：，将最终光流场作为基于曲率增强的大位移变分光流计算

方法的输出结果，用于表征相邻两帧输入图像之间的像素级运动信息。