各种手持设备(数码相机、智能手机等)的普及以及可穿戴设备(谷歌眼镜等)的研发使用,使得人们可以更加方便地拍摄和处理视频。然而,这些视频通常会有比较突出的抖动问题,因此需要对其进行稳定化处理,即视频稳像,以改善用户的观感舒适度。另外,稳像技术也可以作为其他视频处理任务的预处理步骤,如目标跟踪、目标检测和视频压缩等,用于提高这些任务的精度与鲁棒性。本文的主要任务是研究视频稳像中基于优化的稳像算法,并对一些稳像算法进行性能评估。具体工作有:(1)本文提出了一种基于L1-L2混合范数优化的视频稳像算法。通过对摄像机路径进行L1和L2范数的约束,既能够得到比较平滑稳定的视频,又能保证稳像后的视频尽量接近原始视频,从而保留更多的原始视频信息。此外,用户可以根据需要调整稳像的程度。(2)本文提出了一种在线视频稳像的方案。对于较长的视频片段,通过分段稳像,可以显著地减少优化问题中变量的个数,提高算法的效率;对于实时录制的视频,可以通过缓存少量帧对视频进行分段稳像,从而达到在线处理的效果。(3)本文提出了一种视频抖动的合成算法,可以合成不同类型的抖动。合成的抖动视频与实际抖动视频非常相似。稳像算法处理这些合成的抖动视频,得到的视频可以与真实的稳定视频进行全参考对比,从而对稳像算法的性能进行评估。(4)本文提出了一种视频抖动的检测算法,可以检测视频的抖动程度。通过提取视频的两种抖动特征,用大量视频训练出一个SVM分类器,从而对输入视频的抖动程度进行判断。该算法一方面可以用于稳像前视频抖动的检测,从而决定是否对该视频进行稳像处理,或者选择合适的稳像算法;另一方面可以检测稳像后视频的抖动程度,对稳像算法进行无参考评价。