随着信息技术的发展,无人机、侦察弹等高技术武器已经受到了世界各国的重点关注,并广泛应用于空中侦察、电子干扰、目标跟踪和战场评估等多种任务。而无人机和侦察弹自身的飞行特点和所处的复杂环境导致拍摄的视频往往处于大角度旋转和剧烈抖动的状态,使观察者难以准确地获取信息,甚至导致误判和漏判。因此,对获取的视频进行稳像处理,消除视频的旋转和抖动,对提升无人机和侦察弹的效能有极其重要的意义。本文研究了电子稳像算法的基本原理,分析了主要步骤中常用算法的优缺点,并提出了相应改进,主要工作如下：(1)对电子稳像的基本原理和关键问题进行了较为详细的分析。从摄像机的运动方式入手,推导出了运动状态下摄像机的成像模型和视频帧间的运动模型。分别介绍了运动估计、运动滤波和运动补偿的基本原理和经典算法,并总结了不同算法的优缺点。(2)对于摄像机在同时存在旋转、平移、变焦运动时拍摄的视频,传统的Fourier-Mellin算法难以获取精确的运动矢量,本文提出了一种基于SVD的Fourier-Mellin算法。通过SVD(singular value decomposition)对相位相关矩阵进行秩1估计,减少了频率混叠效应的影响,提高了运算精度,同时降低了计算复杂度。然后,利用获得的旋转参数对视频进行反向旋转,消除视频旋转。在运动滤波模块,采用最优化的方法,同时将摄像机轨迹的平滑度和视频信息的保持度纳入目标方程,进而获得稳定的摄像机轨迹。实验结果表明,本算法可以精确地获得帧间运动矢量,有效消除视频旋转,抑制视频抖动,并减少视频信息丢失。(3)对于摄像机在同时存在旋转、平移、变焦、倾斜、扫视运动时拍摄的视频,帧间运动比较复杂,本文采用SURF (speeded-up robust features)特征点匹配算法获得相邻两帧匹配的特征点,使用双向最邻近距离比值法剔除误匹配点,利用仿射变换模型和RANSAC(random sample consensus)算法,得到高精度的旋转角度并对当前帧进行反向旋转,从而消除视频旋转。然后,使用KLT(Kanade-Lucas-Tomasi)特征点跟踪算法生成视频的特征点轨迹。最后,采用Kalman滤波和B样条曲线拟合相结合的方法进行稳像处理,进而得到不旋转且稳定的视频。实验结果表明,该算法适合任何角度旋转的视频,消旋精度较高,且能够有效地消除视频抖动,对于分辨率低,同时存在运动模糊的视频也有较强的鲁棒性。