随着现代社会的高速发展,摄像系统越来越普及,但它们拍摄时往往处于晃动状态,所以拍摄的视频经常存在抖动。视频抖动会导致人们产生视觉疲劳,影响视频的后续操作。电子稳像技术利用数字信号处理来进行视频序列稳定,由于它有稳像精度高、系统功耗小及运行成本低等优点,国内外学者都对电子稳像的研究感兴趣。现有的稳像技术存在精度不高的问题,需要研究如何提高稳像精度。其中,运动滤波是它的重要部分,卡尔曼滤波具有实时更新、处理噪声快、迭代次数多、鲁棒性好及稳定性强等各方面优势,在电子稳像领域得到广泛研究。本文结合实际场景对卡尔曼滤波进行了研究与改进,主要工作内容如下:(1)详细研究了各种全局运动估计方法,重点探讨基于SIFT特征匹配的全局运动估计,并对SIFT特征匹配进行相关实验,最后研究如何将它与卡尔曼滤波算法相结合,分析得到全局运动估计矢量的过程;(2)重点研究卡尔曼滤波算法及其改进,针对卡尔曼滤波对噪声去除不完全的问题,又因为低通滤波器可根据原始数据的谱分析得到截止频率进行滤波,于是提出一种基于卡尔曼滤波和带汉宁窗的低通滤波相结合的混合滤波方法,该算法是利用卡尔曼滤波对全局运动矢量进行估计,然后将估计的运动矢量输入到低通滤波器,对图像进行平滑处理。实验结果表明混合滤波对视频稳定的效果比卡尔曼滤波好,更符合人们的要求。(3)混合滤波算法因为不能根据视频每一帧的运动估计来调整低通滤波的截止频率,造成估计精度不准确,又借鉴于自适应滤波的思想,本文在混合滤波的基础上研究自适应混合滤波的方法,该算法主要依据视频抖动大小来自动改变低通滤波器的截止频率。实验结果表明自适应混合滤波比其他滤波方法能更好的处理包含平移和旋转等复杂抖动的视频。