在电子稳像中合理的选择参考帧是全局运动估计和运动补偿的基础。为了解决传统参考帧选择策略带来的帧间跳变的缺陷，给出一种基于累积变换的参考帧更新策略，通过相邻帧间运动参数的累积变换得到当前帧相对于第一帧的累积全局运动参数，统一了补偿基准，并针对过程中产生的累积误差问题，通过设定匹配阈值调整参考帧更换条件，减少参数的传递次数。实验结果表明，改进算法能够有效解决帧间跳变问题，缓解误差的累积进程，输出平稳的结果视频。

针对场景中存在前景目标运动的抖动视频,提出一种抗前景干扰的自适应电子稳像算法.算法以视觉对运动的感知为指导,采用基于块的三帧间差分,利用时空一致性快速剔除运动前景区域;改进传统Harris算子,用网格筛选和显著度排序,对背景区域进行全局显著特征点的提取和配准,保证全局配准准确度;用统计分布的距离准则去除误匹配点,无需特征点迭代运算,提高了全局运动估计的速度和准确度.在Sage-Husa自适应运动滤波方法的基础上,改进了修正过程噪音和观测噪音的统计特性,模拟摄像机低频匀速运动的视觉平滑效果,有效解决摄像机抖动中存在的扫描运动.在Intel 酷睿2四核2.33 GHz的微机上用VC++进行实验,结果表明,该算法对320×240像素的视频序列能够达到22 fps的处理能力,可以实时稳定含较大或多运动前景目标的复杂抖动视频,输出视觉完整流畅的真实扫描场景.

针对传统的匹配方法在匹配模板与待匹配图像间存在噪声影响、亮度等差异时导致匹配算法在时间和精度上得不到很好的统一, 由此影响到红外图像帧间全局运动估计和补偿问题, 提出了基于自适应模板匹配的方法进行帧间全局运动估计算法。该算法首先利用模板选择策略进行待匹配模板的选取, 提高匹配的精度;然后提出自适应模板匹配准则, 以达到较好的匹配效果, 克服噪声等奇异点对误差函数值的影响;最后提出菱形搜索策略, 以便搜索到最佳匹配点, 使搜索不至于陷入局部最优, 并提高了搜索速度。仿真实验结果表明, 在红外图像背景变化较为缓慢的情况下, 所提算法降低了帧间全局运动估计计算复杂度, 同时具有很好的匹配精度和准确性。

场景锁定技术是视频跟踪领域的一个关键技术，需要对图像的全局运动进行估计，常用的运动估计算法由于计算量大、对噪声敏感等因素很难得到实际应用。为了减少运动估计的计算量，提高全局运动估计的精度，提出了一种基于Harris角点全局运动估计的场景锁定方法。将图像分成4×4的16个块，选取每个块中响应值最大的角点，以参考图像角点周围矩形块与待匹配图像进行匹配，然后利用RANSAC算法对角点进行一致性检测，利用最小二乘法解算全局运动参数，最后计算图像之间的累积运动。实验结果表明，该算法运动估计精度高，稳定性好，能较好地实现场景锁定。

针对特征匹配的电子稳像算法存在特征点提取耗时多、准确度不高以及特征点误匹配等问题，从特征点提取及特征点匹配两个方面采取了优化措施，采用基于快速分割特征点提取算法更快地提取特征点，并把特征点定位准确度提高到亚像素级；引入随机采样一致性算法消除误匹配的特征点对，减少场景中局部运动的影响，提高了全局运动参量的估计准确性.实验结果表明，经优化技术处理后，视频稳像准确度高、速度快，能够在存在平移、缩放、旋转及局部有相对运动等情况时保持良好的视频稳像效果.

将背景特征块配对和直方图聚类运动矢量滤波相结合, 提出了一种稳定运动物体视频的方法。用得到的全局运动参量补偿摄像机的帧间运动, 运用帧差法分割出前景块和背景块, 把参考帧背景上的特征块与当前帧上的特征块配对估计下一轮的帧间运动。用一块对多块的匹配策略, 把参考块和以参考块为中心的搜索窗内的当前帧上的最佳匹配块配对, 建立稀疏运动矢量场。然后, 运用直方图聚类方法滤除矢量场中未分离出的前景块矢量和误匹配矢量。最后, 用多个包含运动物体的实际视频序列对提出方法进行测试, 并与其它先进稳像算法和技术仿真比较。结果表明：提出方法的全局平均帧间变换保真度可达31.05 dB, 接近或优于上述先进算法和技术。提出的方法对包含运动物体的视频具有较强的鲁棒性, 可以去除帧间高频抖动并有效改善视频质量。

全局运动估计是电子稳像的核心，很大程度上影响整个稳像系统的性能。提出了一种 基于KLT-RANSAC全局运动估计的电子稳像算法，该方法首先通过增加距离约束机制，并进行亚 像素级定位，优化Hams特征点，选择KLT快速匹配算法实现特征点的粗匹配，之后引入了 RANSAC算法剔除误匹配点，去除视频序列中分布在运动物体上的特征点，避免了局部运动对全 局运动估计的影响。实验结果表明:本算法可以有效解决特征点匹配过程中的误匹配问题，避免局 部运动对稳像的干扰，快速准确地计算出全局运动参数，最终可以实时处理存在平移和旋转抖动的 视频，输出稳定高质量的视频。

全局运动估计是计算机视觉、视频处理等领域广泛采用的手段之一。为了降低全局运动估计计算复杂度，提出一种基于像素梯度的全局运动估计方法。就运动模型而言，采用了复杂性与准确性较好均衡的六参数仿射模型。为了提高计算速度，采用了两层金字塔进行多分辨率计算，而且在每层迭代计算中都抽取梯度较大的特征点进行计算，同时结合了高斯-牛顿优化计算方法。实验验证了提出的全局运动估计算法的计算效率和精度。

针对复杂场景中包含的摄像机扫描运动、随机抖动和目标运动，提出一种基于帧间可变块差分的运动目标检测算法。首先，利用全局特征点估计运动参数对帧间背景进行补偿，提取图像的全局特征点并匹配，以特征点集的最小位置误差和作为目标进行迭代，获取误差不大于0.5 pixel的全局运动参数，并精确补偿当前帧实现背景校正。然后，利用可变块差分实现运动目标的检测。先用大尺寸对差分图像进行分割，将整幅图像粗略区分为背景区域、运动目标区域和边界区域，通过阈值判定来进一步细分，最后对运动目标区域进行准确标定。这种由粗到细的检测步骤，在保证精度的同时能够提高检测速度。实验结果表明，该算法能够准确检测含摄像机扫描和抖动的复杂运动场景中的前景运动目标，且处理速度达到25 frame/s。

提出了一种基于SIFT (Scale invariant feature transform)匹配的全局运动估计算法。在SIFT初匹配的基础上, 对每一个原始匹配特征点, 利用所在尺度的邻域灰度信息, 对其加权平均后再进行匹配, 进而去除误配点。精炼后的匹配点集合作为求解全局运动参数模型的对应数据, 采用最小二乘法计算模型参数。在全局运动估计问题上做了一种新的尝试, 实验表明, 结合SIFT匹配的全局运动估计思路取得了较为满意的效果。