视频图像作为重要的信息传播媒介在人们的生活中扮演着重要的角色,而机载视频更是在安防、军事等各个领域占据着重要地位。随着移动互联网和智慧城市的兴起,视频监控将会在智能家居和智能汽车中进一步得到发展,这也对视频的质量以及实时性提出了更高的要求。在汽车运动的过程中不可避免的会出现颠簸,此时行车记录仪所采集到的视频会存在随机抖动。本文旨在研究机载视频数字稳像的方法,以期消除视频序列中的随机抖动。本文首先介绍了数字稳像技术的发展过程和研究现状,同时对数字稳像的方法、稳像系统的组成以及视频去抖的模型进行了分析,简要的介绍了运动估计和运动补偿的基本原理和常用方法。针对在实际中得到广泛应用的数字稳像算法——子块匹配法,本文对全搜索、三步搜索、菱形搜索以及自适应十字模板搜索四种块匹配搜索策略进行了研究,根据搜索速度和稳像效果对四种搜索策略进行了综合评估。由于子块匹配法在视频序列间运动偏移较大时实时性不够好,本文对灰度投影算法进行了深入研究,并对传统的灰度投影算法做出了三点改进:(1)在进行运动矢量估计之前先通过图像预处理来增强图像灰度对比度、丰富图像细节,这解决了灰度投影受限于灰度变化不明显的问题;(2)提出子区域矢量分离算法,通过将图像中存在的运动目标和灰度值比较单一的子区域去除,使得获取的全局运动矢量更加精确;(3)提出了自适应单向搜索策略,该策略通过分析相关曲线的数学特性,对搜索方向自动判定后进行不同步长的单向搜索,该搜索策略相较于全搜索效率得到了很大的提升,更加有利于机载视频的实时性。最终通过实验仿真说明了通过三点改进,提高了灰度投影算法的稳像效果和搜索速度。本文在最后的运动补偿部分对常用的一些方式进行了分析。为了保留机载视频运动中的正常扫描运动,本文对最小二乘曲线拟合法、均值滤波法以及卡尔曼滤波法进行了研究,由于卡尔曼滤波法每次重复迭代时只需要知道上一时刻的后验估计值和后验估计协方差即可,运算效率很高,很适合对实时性有较高要求的数字稳像系统。因此,本文采用了卡尔曼滤波作为全局运动矢量的滤波方法。