随着计算机视觉领域的进步与数字图像技术的发展,人们获取信息的手段越来越多样化,不再只依赖自己的感官系统。视频作为人们获得信息的重要途径愈发受到人们的喜爱,但是由于各种环境因素产生的抖动影响了人们获得视频的质量,并使人们难以从抖动的视频中获取信息并且会造成眼睛的不舒适,长期观看低质量含抖动的视频会对人类的视觉产生严重的损害并影响人们获取视频中关键的信息。近年来摄像机被广泛的应用在军事、医学、交通管制等领域,因此对视频的清晰流畅程度有很高的要求。在此背景下,本文从稳定帧间模糊产生的视频模糊角度出发,提出了一种改进ORB特征点匹配与GMS结合的电子稳像系统,去除摄影机抖动提升观测视频质量。本文主要研究内容如下:针对传统的特征点匹配方法提取图像特征点效率低,提取的特征易于受到尺度、旋转等因素的干扰,本文了采用基于ORB特征点匹配方法,并结合FAST抑制半径的筛选算法,对特征点响应进行排序,维护特征点的强鲁棒性,减少特征点局部簇拥现象。该方法计算的特征点拥有对旋转、尺度不变性,并加快了特征匹配的速度。针对暴力匹配等匹配算法错误匹配率高,计算的全局运动量不准确的问题,本文采用了暴力匹配的粗匹配,并使用GMS算法和Ransac算法结合进行误匹配剔除拟合出全局运动模型,有效的提升了特征匹配的精度,并针对不同场景不同幅度的抖动具有一定的鲁棒性。为了提升稳像后视频的显示效果,本文采用卡尔曼运动滤波的算法,处理获取的随机抖动分量,保留摄影机的主观运动内容。保证了补偿过后视频去除了抖动干扰并真实反应了观测场景的变化,之后对显示区域进行双线性插值的补偿,去除了周边的黑色显示区域,最终实现视频的稳像处理。建立一个完整的电子稳像系统,并对稳像后视频进行实验结果分析,对不同类型抖动下视频的处理结果进行对比,并根据PSNR、SSIM等视觉指标对稳像后的视频进行分析可知,本文算法可以有效的提升视频稳定性,能够实现不同条件下的高效稳定的稳像处理。