随着电子摄像设备在军事与民用领域的广泛应用,人们对视频质量也提出越来越高的要求,尤其是在某些特殊的拍摄场景下,如手持摄像系统、地震中的监控系统和军用无人机拍摄系统,采集到的视频常常伴随着较大的抖动,十分不利于人眼观测和有用信息的提取。数字稳像技术就是以去除干扰噪声为目的,利用数字图像处理中的相关方法消除相机抖动,最终获得稳定视频序列的视频稳定技术。本文着重对数字稳像过程的核心环节进行研究,并对运动估计算法与运动分离算法进行相应的改进。本文首先对数字稳像技术的发展现状进行研究,通过比较不同算法的优缺点,最终选择相似矩阵作为图像变换模型,同时采用Harris角点检测与KLT跟踪相结合的方式完成图像特征点的提取,并利用实时性与准确性均较好的Kalman滤波器实现运动参数的分离。针对运动目标对运动估计干扰问题,本文提出了一种抗前景干扰的运动估计算法。首先根据相邻帧图像间的匹配特征点定义运动矢量,利用改进的k_means聚类算法将具有差异性的运动矢量分成不同的类别,完成了图像中所有特征点的分类；并依据所提出的连续视频图像中运动目标剔除准则,有效的实现了背景的盲分离,使得保留的特征点其局部运动矢量具有一致性；最后,将保留的特征点运动矢量用于计算全局运动参数,确保得到更准确、真实的相机运动。此外,本文提出了一种基于改进Kalman预测的混合滤波器结构,此方法结合了低通滤波器的平滑特性与Kalman滤波器的预测特性,可以更有效地实现运动分离,滤除相机抖动噪声。同时,改进的Kalman滤波器能够根据相机的实际运动情况自适应地更新噪声的统计特性,进一步增强了本算法的鲁棒性。并且,本文采用的Kalman预测算法能够在保证滤波效果的同时大幅降低运算时间,提高了算法的实时性。实验结果表明,本文提出的运动估计方法具有良好的抗前景干扰特性,而改进的运动分离方法可以获得更平滑、有效的主动扫描分量；将分离出的运动参数用于运动补偿后,输出的视频质量得到明显提高。