多媒体和网络技术的快速发展使得我们越来越容易获得大量的视频信息。然而对这些信息的组织、管理和检索将直接影响对这些信息的有效利用。基于内容的视频检索正是基于解决该问题而引出的一个新的研究领域,其中视频镜头边界检测是实现基于内容的视频检索的首要任务。而随着视频采集设备的广泛使用,视频稳像系统——用于消除由于载体运动造成的视频图像抖动,成为了应用于工业,军事,消费领域的视频采集设备的基本部分。本文就是针对以上两个问题展开研究的。上述两个问题中都隐含着对摄像机运动参数的标定问题,其中,视频稳像是利用摄像机运动参数进行运动补偿,得到画面的稳定显示;而视频镜头边界检测则是要区分镜头切换和摄像机运动引起的图像内容的不同变化。因此,本文首先系统研究了用于运动估计的特征窗跟踪算法,针对特征检测和特征跟踪两个子系统,分别采用SUSAN 准则用于二维角点特征提取和将模糊控制理论与经典Kalman 滤波相结合的模糊Kalman 滤波算法用于特征窗跟踪,提高了算法的精度和执行效率。随后,在深入研究和分析了视频稳像和视频镜头边界检测的原理和各种算法的基础上,将特征窗跟踪算法作为基本方法,有效地结合一些其他测度,应用于这两个领域。尤其是利用特征窗跟踪作为镜头边界检测是一种新的思维方式,我们对此作了有益的探索和尝试。本文提出的视频稳像算法,稳像效果好,运算复杂度低,且具有较强的鲁棒性。镜头边界检测算法不但具有检测镜头边界的能力,还具有判别镜头切换性质和定位的能力。两种算法都具有较高的研究和实用价值。