隧道内交通目标的准确提取,是隧道异常事件检测的关键。而在隧道场景中监控设备存在抖动,使得提取的车辆目标畸形、行人目标与背景连通,严重干扰了交通目标的有效提取。同时隧道图像存在画质模糊、车辆灯光等干扰也加大了隧道抖动视频稳像的难度,导致传统的稳像方法效果一般、针对性不强。因此,研究针对隧道环境特性的抖动视频稳像方法,对提高隧道内车辆、行人等交通目标的检测精度,具有重要的理论和实际意义。本文通过分析常见抖动矢量估计方法的优劣,综合考虑各类方法的实时性与稳像精度,选取实时性较高的灰度投影法与精度较高的特征点匹配法作为本文的基本稳像方法。在此基础上,分别对隧道图像中存在的画质模糊、车辆灯光等干扰抑制展开了重点研究,同时,为了进一步提高改进稳像方法的精度和实时性,又分别在灰度投影窗口、特征点距离、匹配对选取策略等方面进行了改善,最终形成了两种适于隧道环境特性的视频稳像方法。在基于灰度投影的稳像方法方面,针对画质模糊、车辆灯光干扰等问题,提出了一种结合局部相位特征(Local Phase Quantization,LPQ)加权和多尺度高斯估计的改进灰度投影稳像方法。该方法首先通过模糊鲁棒的LPQ量化编码值加权以增大模糊图像行列间的投影差,其次采用多尺度高斯估计的方法逼近并消除隧道图像的亮度分量,从而减小光照干扰下参考帧与背景帧投影曲线上的局部差异,最后基于多子区域窗口和样本统计的方法降低了局部运动目标对灰度投影稳像精度的影响。实验结果表明,该方法能有效克服画质模糊、车辆灯光等干扰,在保证较高实时性的同时可得到平滑、流畅、稳定的视频流。在基于特征点匹配的稳像方法方面,考虑到传统鲁棒特征实时性差,本文选择实时性较强的二进制描述子FREAK(Fast Retina Keypoint)作为基本特征。针对该特征在画质模糊、车辆灯光等干扰下误匹配率高的问题,提出了一种融合模糊鲁棒和光照鲁棒重组Hu不变矩的改进二进制特征点匹配稳像方法。首先,该方法在FREAK特征四级匹配的基础上计算匹配对邻域内重组Hu不变矩的距离,并剔除相似度较低的误匹配对,其次,考虑到邻域内特征点存在高聚集性和低分辨性,采取距离约束的方式限制特征点数量以降低计算量,最后基于顺序抽样一致性算法(Progressive Sample Consensus,PROSAC)和Hamming距离比的方式进一步提高了抖动矢量估计的准确性。实验结果表明,该方法能有效克服画质模糊、车辆灯光等干扰,在保证一定时效性的同时可获得较高的稳像精度。最后,综合上述研究结果,形成了两种适于隧道环境特性的视频稳像方法,并利用实地采集的隧道抖动视频数据进行了对比实验验证。与传统方法相比,在隧道环境下,本文提出的方法均具有更高的帧间变换保真度,稳像效果更好。同时,本文还比较了两种改进的稳像方法,结果表明基于灰度投影的改进方法在稳像实时性上更快,而后者在稳像精度上更优。在实际应用方面,两种稳像方法均可有效对提高隧道环境内目标检测的检出率、并降低误检率。