高分辨率对地遥感卫星对国家经济建设和国防建设都有重要战略意义,是各国重点发展的关键技术之一。然而平台颤振是制约高分辨率成像的主要瓶颈之一,像移补偿稳像技术是解决平台颤振的关键技术。由于传统的稳像补偿系统存在一定的时间延迟,影响了稳像精度,本文提出了基于运动预测的摆镜补偿稳像方案,针对自适应运动预测进行重点研究。首先,论文介绍了课题的背景和意义,并总结了国内外稳像技术的研究现状,提出了基于运动预测的摆镜补偿稳像方案。接着重点讨论用于运动预测建模的两种人工智能算法：神经网络和支持向量机,选择性能较优的支持向量机作为运动预测的算法。本文用仿真实验对比分析了两种算法的运算效率、精度和稳定性,实验结果显示支持向量机在三个性能指标上均更优。然后进一步仿真验证了支持向量机具有很好的抗噪能力和鲁棒性,非常适于稳像系统的运动预测。支持向量机的性能很大程度上取决于其参数的选择,因此选取最优的SVM参数非常关键。论文详细介绍了网格搜索、遗传搜索法和线性搜索法三种寻参方法,接着用大量仿真实验分析了惩罚因子和核宽度参数对的特性行为,总结了这对参数对在对数空间里的“好区”内存在一条高精度近似直线的规律,在此基础上提出了改进的线性搜索法,即确定该直线并在该近似直线的范围内搜索。最后对四种方法对比,深入从理论和仿真实验分析验证了该方法的高效率、高精度和高稳定性的特点。最后,将基于改进线性搜索的自适应支持向量机应用到稳像实验系统中,用绝对颤振位移量建模,验证了1-80HZ的稳像效果,分析了光源亮度、曝光时间和采样频率对稳像实验的影响,并用灰度平均梯度法算子和颤振残余量方法评价了稳像的补偿度,验证了基于改进线性搜索的自适应支持向量机的稳定可行性性能,实现了高精度稳定成像。