随着计算机技术的飞速发展和移动摄像系统的广泛普及,图像和视频已经成为当前重要的信息传输媒介,然而,在实际的工作环境中,摄相机的载体往往会发生不可避免的抖动,这种运动会导致摄像机拍摄到的视频存在不需要的随机抖动,从而造成人眼看到的显示器上的图像是模糊的,针对这种情况,人们采用电子稳像技术来处理模糊的视频图像。电子稳像技术并以其低成本、高精度等优势,受到越来越多的关注,在实际应用中有这非常重要的价值。SURF(Speeded Up Robust Features)是在SIFT(Scale Invariant Feature Transform)配准方法的基础上提出的一种基于快速鲁棒特征的匹配算法,该算法提取的特征在图像匹配中得到了广泛的应用,具有尺度和旋转不变性特征。但在特定情况下的应用,由于图像中存在孤立点和噪声点,会对图像中的特征点造成干扰,从而会导致虚假特征点匹配的问题,另一方面是由于SIFT与SURF算子的检测出的特征点,与周围点在不同尺度空间内的相互关系,很容易引起不同图像间的特征点的有关描述相近,由此产生两幅不同结构的图像的特征点之间也能够进行特征匹配,因此,本文针对图象抖动偏移运动的问题,提出了一种聚类与SURF相结合的电子稳像方法,采用SURF算法完成对图象的特征点的提取,然后用邻域匹配方法对特征点完成匹配,并通过K-均值聚类算法去除误匹配点,计算估计变换矩阵,根据得到的特征矢量对图像进行补偿,从而实现快速高精度的实时电子稳像。首先,积分图像的存在加快了SURF算法的计算速度,利用Hessian矩阵检测视频图像中的特征点,然后确定每个特征点的主方向和并对特征点利用数学方法进行描述,主要是利用Haar小波变换技术,使用最近邻匹配的方法进行特征点的匹配,此法可减少匹配对,加快匹配速度。前面的工作完成了对图像的特征点的粗匹配,我们要通过K-均值聚类法对匹配好的点进行分类比较,去掉错误的匹配点,完成特征点的二次精确匹配,确定当前图像与参考帧图像之间的对应关系,估计出精确的运动矢量。实验结果表明,该方法能够有效的减少孤立点、噪声点以及结构不相关的影响,提高SURF特征匹配精度,获得稳定图像,相对于传统的稳像方法,在视觉效果和图像质量上,有一定的优势。并且采用算法结合的办法来稳定抖动的视频序列是图像处理方法的一个发展趋势。