هدف از انجام پایان نامه حاضر، اعمال مدل انرژی و فیلتر کالمن به بحث تخمین حرکت در تصاویر متحرک و ارائه نتایج حاصله از آن می باشد. فیلتر کالمن عبارتست از مجموعه روابط بازگشتی که پس از ارائه پیش بینی در مورد روندی خاص، با توجه به نتایج عملی به دست آمده از آن روند، اقدام به تصحیح پارامترهای پیش بینی خود می کند تا در مراحل بعد بتواند پیش بینی های مفیدتری ارائه نماید. این فیلتر از پارامترهای قابل اندازه گیری سیستم برای پیش بینی استفاده می نماید. در کاربردهایی مانند ردیابی، این فیلتر از پارامترهایی مانند سرعت و شتاب هدف بهره می گیرد. اعمال این روش در چهارچوب تخمین حرکت، نیازمند استفاده از شباهت های محلی بلوک های روش تطبیق بلوکی جهت ارائه پیش بینی برای بلوک های تحت بررسی می باشد. مدل انرژی که عملا بیانگر توصیفی از ویژگی های استاتیک و دینامیک تصاویر است، به همین منظور و برای بهبود دقت پیش بینی فیلتر کالمن به خدمت گرفته شده است. در این پایان نامه توصیف مذکور در قالب یک هیستوگرام گسسته از انرژی های جهت دار برای بلوک های روش الگوریتم تطبیق بلوکی در جهت های بالا، پایین، راست و چپ استخراج می گردد. در نهایت یک بین دیگر که نشان دهنده عدم وجود ساختار در تصویر می باشد به آن هیستوگرام اضافه می گردد. پس از استخراج مدل انرژی هر بلوک، شباهت های دینامیکی بلوک های همسایه با بلوک تحت بررسی استخراج و بردار حرکت پیش بین لازم برای فیلتر کالمن با توجه به آنها تولید می گردد. در نهایت با استفاده از درون یابی دوسویه، پیکسل های تعیین شده توسط بردار حرکت تصحیح شده به وسیله فیلتر کالمن، درون یابی شده و تصویر نهایی جبران سازی می گردد. نتایج حاصل از شبیه سازی های انجام شده توسط نرم افزار متلب نیز بیانگر بهبود کیفی نتایج حاصله می باشد. بر اساس این نتایج، روش ارائه شده در این پایان نامه نسبت به روش جستجوی سه مرحله ای، بهبودی 0/67 دسی بلی در psnr ایجاد می نماید. این در حالی است که از نظر محاسباتی در مقابل آن دارای کاهش است. در مقایسه با روش جستجوی کامل، روش ارائه شده در این پایان نامه با انجام محاسباتی 12 برابر کمتر، فقط به اندازه 0/49 دسی بل افت psnr دارد. در مقایسه با سایر روش های تخمین حرکت پیش بین مانند فیلتر کالمن ارائه شده در مقالات نیز این روش بهبود در کیفیت را نتیجه می دهد. لازم به ذکر است الگوریتم پیشنهادی این پایان نامه در مواقعی که ویدیو دارای حرکت های چندگانه در نواحی کوچک می باشد، بهبود بسیاری در کیفیت تصویر بازسازی شده ارائه می کند.