在科技迅速发展的推动下,人们通过视频记录和传递信息,视频作为信息的载体大量应用于生活中和工业科技等领域里。然而有时由于外部因素的影响,经常导致拍摄出来的视频有一定的抖动,不利于传递信息和后续处理等工作。因此,为了提高视频的质量,本文提出一种基于特征点轨迹增长的视频稳像算法,研究并解决了下面三个问题:(1)针对现有的特征点轨迹稳像算法无法兼顾特征点轨迹长度、特征点轨迹利用率、鲁棒性和时间复杂度的问题,本文提出基于特征点轨迹增长的视频稳像算法。利用低秩矩阵迭代逼近原理实现轨迹增长,使之满足轨迹平滑的要求,并结合网格变形生成稳定帧。另外,为了保证特征点选取均匀以满足高效果稳像要求,提出了新的特征点选择策略,将特征点轨迹长度与特征点位置相结合作为信息度量的参数,利用信息度量评价函数筛选特征点,解决了长度优先选取策略造成选取的轨迹较为集中,从而不能很好的反映整体的特征,以至于在平滑的时候会导致最终视频局部抖动的问题。(2)针对视频稳像算法难以解决的大运动目标遮挡以及多运动目标遮挡问题,提出一种基于小波聚类的特征点剔除算法,选取特征点的速度、坐标以及RGB值作为每个特征点的观测数据,将特征空间转换为频域对特征点进行聚类。实验证明该算法可以良好剔除非球形分布的运动目标特征点,然而对于特征点标准球形分布的状况有一定误差,针对这个问题,提出利用Kmeans聚类算法优化小波聚类,提高了算法的应用范围。(3)通过设计对比试验来验证本文算法的实现效果,分别与目前稳像效果较好的三个算法:基于子空间约束的视频稳像算法、基于对极几何重投影的视频稳像算法以及基于三焦点张量重投影的视频稳像算法对比。将抖动视频分为五类,根据平稳度、空间失真度、时间失真度、时间复杂度三个评价指标对稳像算法进行测评。实验结果证明,本文所提出的视频稳像算法鲁棒性强、轨迹利用率高、时间复杂度适当,可以很好地处理场景有景深变化、剧烈抖动、模糊、存在一个或多个前景运动目标等视频稳像。