由于通信网络和视频压缩技术的快速发展,人们可以在各种媒体终端设备上观看视频。由于终端设备的显示屏幕不尽相同,需要对原始视频的尺寸进行缩放调整,以适应设备屏幕的大小。传统的视频缩放方法如传统裁剪、均匀缩放及边缘填充等,在没有考虑视频重要内容的情况下直接调整视频尺寸,极易造成视频重要内容的变形和失真,视频观感差。因此,如何根据视频内容自适应地调整视频的尺寸,同时最大限度地保护视频重要内容信息,保证视频播放的流畅性,是一个具有挑战性的问题。现有基于智能裁剪的视频重定向方法是通过对视频显著内容的检测,确定视频重要内容区域,并根据重定向视频目标尺寸的大小,自适应的计算裁剪窗口相关参数,并依据该参数对原视频进行重定向操作。主要原因在于目前的相关算法未能较好的检测视频中的显著内容和运动对象导致裁剪窗口会错误的裁去重要内容的信息,和在时域上对视频的连贯性约束力度不够强导致重定向后的视频不连贯,产生抖动。本文深入研究了基于智能裁剪的视频重定向算法,更充分地利用了视觉显著信息以及加强了在时域上的约束力度,从而提高了重定向视频的质量与重定向算法的性能。研究结果如下:（1）提出了一种基于帧间相对位移约束的智能裁剪视频重定向算法。该算法通过计算视频帧的空间显著度图和运动历史图,自适应融合生成重要度图,并计算兼顾裁剪损失和缩放损失的总视觉信息损失量;将相对位移参数和人在视觉上能够容忍的最大不一致的限度系数构成时间约束项,随后对系统进行联合优化求解得到最优缩放因子和裁剪窗口,智能裁剪原视频得到重定向结果。实验结果表明:相比于传统方法和其他基于智能裁剪的视频重定向算法,该算法在主观上能更好保护视频重要内容,视频流畅连贯且几乎不产生抖动,视觉观感好;在客观上,利用TID和SSM指标进行对比分析,通过该算法得到的重定向视频的性能也明显优于其他算法,意味着该算法能保留更多视觉显著信息,和较好地保持视频的时间连贯性。（2）提出了一种基于裁剪的多算子视频重定向算法。针对处理部分运动速度较快、重要对象较多和重要对象分布分散不集中的视频时,可能会造成裁剪窗口无法精确确定,保留过多非重要内容而缺失部分重要对象的部分内容的问题。为了解决上述问题,本文的算法通过修正运动历史图,提高重要度图中的运动显著信息,结合细缝裁剪算法自适应地裁去原始视频中的非重要内容像素缝后,计算在时间连贯性约束下总视觉信息能量损失最小时的最优缩放参数并重定向视频。实验结果表明,针对部分背景复杂、重要对象多以及运动速度快的视频进行重定向时,该算法是有效可行的。且与传统方法、其他基于智能裁剪的视频重定向算法以及本文第二章提出的算法相比,主观上视频无抖动且能更好的保护视频重要运动对象,视觉效果佳;客观上利用TID和SSM指标进行对比分析,该算法的性能也优于其他算法,重定向视频能更好地保持时间连贯性和重要内容的完整性。