视频稳像技术是图像和视频处理领域的热点问题之一。传统的视频稳像方法大多采用后处理的方式,存在较长的延时。然而许多应用场景,如无人机的实时回传视频、手持摄像设备在线直播等,越来越需要高效且低延时的稳像方法。低延时稳像方法能够在拍摄视频的同时经过极短的延时处理获得稳定的视频,从而不影响视频的在线观看,同时也有助于视频的后续存储和传输。因此,低延时稳像方法受到越来越多的关注。针对当前低延时稳像方法对处理器性能要求过高且稳像效果仍不够理想的问题,本文提出了一种基于Kalman滤波的视频稳像方法。在使用Kalman滤波方法对抖动的运动路径进行平滑时,本方法充分考虑了视频帧间运动的延续性,即视频前后帧之间的运动“惯性”,改进了系统预测方程,从而使平滑后的视频运动变化更加平稳。Kalman滤波在计算时只需要前一状态的视频帧信息,并且递推估计过程的计算复杂度较低,消耗时间较少,因此本方法对处理器的处理和存储性能要求较低,且整体计算速度非常快,能够在只有一帧延时的情况下获得最终的稳像结果,并且稳像效果不亚于其他方法。为了更好地提高低延时稳像质量,本文还提出了一种基于即时全变差优化的低延时视频稳像方法。与采用滤波的方法不同,本方法采用能量函数最优化的形式对运动路径进行平滑,使用即时全变差优化方法对抖动路径进行优化,通过减小抖动视频运动路径的全变差来获得稳定路径。相比于滤波的方式,本方法在平滑优化时能够利用视频当前帧之前更多帧图像的运动信息,因此可以获得更稳定的运动路径。由于在最优化计算时采用了一种即时求解的策略,使得本算法同样只有一帧的处理延时,并且能够获得令人满意的稳像结果。