随着计算机网络与通信技术、多媒体技术的快速发展,视频处理技术在国民经济的各个领域中都得到广泛地应用。视频处理的研究内容相当丰富,包括了运动目标检测、跟踪、目标分类和行为理解等方面,相关技术涉及计算机视觉、模式识别和人工智能等领域,是一个具有挑战性的课题。粒子滤波能够比较精确地表达基于观测量和控制量的后验概率分布,在非线性、非高斯系统中有着广泛的应用。本文从粒子滤波的角度入手,围绕着视频处理技术,进行了四个方面的工作：首先对粒子滤波理论进行了研究。粒子滤波算法的粒子匮乏和样本耗尽问题是影响粒子滤波性能的主要问题。针对于这两个问题,本章首先提出了一种新的迭代滤波算法IPF,利用扩展卡尔曼滤波和无迹卡尔曼滤波迭代地产生系统的状态估计。仿真实验表明IPF精确度和稳定性明显优于其它对比滤波算法,但IPF的运行时间较长。在分析IPF性能的基础上,提出了一种选择性迭代无迹粒子滤波算法SIPF。SIPF在保持计算精度的同时降低了运行时间。在两种非线性不同的系统中进行的实验测试,SIPF精确度明显优于其它相比较的滤波算法。其次研究了视频稳像问题。视频稳像算法一般包括运动估计、运动补偿和图像补偿等几个部分。相对于其它种类的视频稳定化算法,基于特征点的视频稳像算法具有更高的鲁棒性。但是基于特征点的视频稳像算法的精确度受到特征点的定位、选取和匹配误差的影响。针对于这些问题,本文提出一种基于粒子滤波的视频稳像算法。首先基于SURF算子提取相邻两帧图像的特征点并进行匹配,其次利用RANSAC算法剔除局部运动向量。在计算运动估计时,首先利用特征点的匹配数据基于最小二乘法来获得运动估计的初始值；其次基于该初始估计值,利用粒子滤波算法来获得运动估计的精确值,实验证明了本算法的有效性。第三,研究了基于主动轮廓的目标轮廓分割算法。首先,针对于现有基于形状先验的主动轮廓模型都不能获得多目标分割结果的问题,提出一种新的基于形状退化的多目标主动轮廓分割模型。该模型包含两个主要步骤：第一步对图像区域进行无形状先验的主动轮廓分割,直至分割结果相对稳定。第二步利用一种新的形状退化模型对分割区域与形状先验的匹配情况进行自动判断,并逐步退化无形状先验匹配的分割区域,从而最终获得多目标分割结果。其次,针对于主动轮廓模型在曲线进化过程中容易陷入局部最优从而导致分割错误,以及基于粒子滤波的主动轮廓模型分割结果的盲目性,提出一种基于粒子滤波和形状先验的几何主动轮廓模型。实验表明该算法能够有效地进行视频目标轮廓分割。第四,针对于基于Camshift算法的粒子滤波跟踪算法计算量大的特点,提出了一种自适应Camshift粒子滤波跟踪算法ACGPF。该算法首先建立目标运动状态模型,并利用已有的跟踪结果来对模型参数进行估计,来动态调节Camshift的搜索窗口,以此来更新粒子滤波中各个粒子的权重。实验结果表明,相对于CGPF, ACGPF不仅能够有效降低算法的计算量,同时能够提高算法的跟踪成功率。