随着智能监控，军事侦察系统和私人相机等实时电子摄像的广泛应用，人们对稳定可靠的视频需求正在迅速的增长。然而在实际拍摄过程中，摄像机会受到人为或外界环境的干扰，使得拍摄的视频中包含随机抖动，不利于视频信息的进一步处理。电子稳像技术就是为了去除视频序列中的干扰，以获得视觉良好的稳定视频。
　　本文首先对近几年稳像技术的发展进行研究，通过比较常用方法的优缺点和适用领域，选择仿射变换作为摄像机运动模型，然后将聚类思想应用到剔除误匹配点对算法中，并利用实时性较好的卡尔曼滤波，在去除抖动分量的同时保留了摄像机的实际运动方式。论文主要在运动估计和运动滤波上做出了如下改进。
　　针对运动估计，本文首先采用SURF结合KLT算法对相邻帧图像进行特征匹配，并计算匹配点对之间的运动矢量，根据运动矢量建立二维特征空间。为了减少聚类的迭代次数，利用改进的K-means算法对特征点进行聚类分组，其中包含运动矢量最多的一组，拥有全局运动的概率最高。最后，采用样本一致性算法和级联仿射变换修正帧间的运动参数，剔除了因误匹配点对造成的局部运动，增强了不同摄像场景下计算运动估计的适应性。
　　针对运动滤波，本文在传统卡尔曼滤波的分析中设计出一种基于参数比不变的自适应滤波器，假设视频序列中的低频扫描运动可以视为可控变量，随后证明了改进卡尔曼滤波增益只与系统噪声和观测噪声的比例有关，无需关心参数的具体取值。为了能够适用不同场景下摄像机的运动变化，使用两个反馈因子来描述系统的即时滤波性能，并根据滤波结果的一致性和稳定性实时更新参数比例，实现了参数自调节的运动滤波算法，能够精确地描述摄像机的真实运动并适应它的变化。