智能交通作为一个新兴领域越来越受到人们的重视,而智能车技术作为其中的重要组成部分日渐成为研究热点。与传统的汽车相比,智能汽车不仅具备常规车辆的功能,而且能够实时地获取车辆的内部和外部状态,帮助驾驶员更加安全、有效地控制车辆。车载摄像机作为一种实时获取车辆外部交通状况的手段,已经广泛应用于现有的汽车系统中。然而随着车辆的运行,车体的振动会导致车载摄像机所拍摄到的视频存在视觉上的随机抖动,这种随机抖动给驾驶员观察和后续处理都造成很大困难。特别是当车辆高速行驶时(如高速公路上的车辆),这种抖动就更加明显。为了消除车载摄像机所拍摄视频(本文统一称为车载视频)的随机抖动,本文重点研究了针对高速公路环境中,车载摄像机的数字稳像技术。本文首先介绍了数字稳像技术的基本概念和发展过程,并且总结了车载摄像系统和车载视频的特点。车载摄像机的随机抖动可以细分为水平和垂直方向的平移运动、绕摄像机三个坐标轴的旋转运动。本文分别研究了这几种不同形式的随机抖动对车载视频的影响,并且得出结论:可以使用图像间的平移和旋转来表示车载视频相邻图像之间的全局运动。针对高速公路环境中工作的车载摄像机,本文提出了两种数字稳像算法:(1)基于中心图像子块匹配的数字稳像算法(2)基于车道线匹配的数字稳像算法。第一种方法属于一种2D数字稳像方法,该方法重新定义了经典图像子块匹配法中图像子块的位置分布,使用不同位置的图像子块来估计不同类型的局部运动向量。实验表明,基于中心图像子块匹配的数字稳像算法最大限度地消除了车载视频中发散向量对运动估计的影响。第二种方法属于一种3D方法,该方法首先从车载视频中提取出车辆当前行驶车道的车道线,然后根据车道线构造图像特征,最后通过匹配视频中相邻图像的图像特征来估计视频的全局运动向量。最后的实验表明,基于车道线匹配的数字稳像算法不仅能够处理视频中的随机平移抖动,还可以处理视频中的随机旋转抖动,并且较少受到相邻车道过往车辆的影响。数字稳像理论通常认为输入视频的第一帧图像是稳定的,本文统一称视频的第一帧图像为基准参考帧图像。在实际的应用中,特别是对于车载摄像机,通常难以保证视频第一帧图像处于稳定位置。本文研究了基准参考帧图像的随机抖动对数字稳像算法的影响,并且得出结论:基准参考帧的随机抖动会使常用的运动补偿算法的结果偏离真实值,导致稳定后视频的未定义区域增大。接下来,本文提出了一种基于基准参考帧校正的运动补偿方法,该方法首先估计出基准参考帧的随机抖动,并且根据估计结果对数字稳像算法输出的运动补偿向量进行校正。实验表明,经过基准参考帧校正以后,数字稳像算法输出视频的未定义区域有明显减小。本文最后提出了一种针对数字稳像算法的客观评价方法。该方法首先估计出数字稳像算法输出视频的全局运动向量,然后将全局运动向量的每个分量分别转换为二进制序列,最后根据所得到的二进制序列的随机性衡量数字稳像算法的效果。实验表明,基于真实拍摄的测试视频,基于随机性检测的评价方法不仅能够衡量数字稳像算法的整体稳像效果,还可以衡量算法对各个运动分量的稳像效果。