电子稳像技术(EIS)的目的是将视频中不稳定的抖动分量提取出来,通过运动补偿来减轻或者消除非正常抖动,以获得较为稳定的视频输出。该系统主要由图像预处理、运动估计和运动补偿三个部分组成。其中视频序列帧间的运动矢量估计最为关键,花费的时间也最长,所以能否实现运动矢量的准确及快速估计,很大程度上影响着电子稳像系统的整体性能。随着图形处理单元GPU的出现,使得利用软件与硬件相结合的技术来实现算法的加速成为可能。鉴于NVIDIA公司的统一计算设备架构(CUDA)技术拥有强大的数据处理能力和较好的可编程性,本文着重对CUDA的并行编程方法进行研究,对其工作原理、体系结构和并行处理机制进行了详细讨论。本文首先对电子稳像技术的应用前景和发展现状进行了详细的介绍,对电子稳像技术的基本理论、基本方法和处理过程进行了详细的介绍。论文提出了一种基于SURF特征检测和kalman预测器相结合的电子稳像算法。该算法利用CUDA并行编程对算法中计算密集度高的数据进行加速处理,并根据每一个程序模块自身的特点及待处理数据的特点对程序代码做了有针对性的优化。经优化的CUDA程序运行时间大大缩短,成功实现了实时处理。利用光流算法计算出的运动矢量具有精度高的特点,对运动估计和物体检测领域有很高的研究价值。然而,光流算法理论复杂数据量较大,实时性较差,这在很大程度上降低了其在实际应用中的应用价值。本文采用CUDA并行编程实现了具有鲁棒性的光流算法,大大提升了光流算法的运算速度,为将其实用化奠定了基础。仿真实验结果表明,本文提出的稳像系统对实际视频,取得了明显的稳像效果。将算法在GPU与CPU上的运行时间进行对比,表明经过CUDA优化后的程序获得了较好的时间加速比,达到了实时的要求,其中利用CUDA并行编程实现光流法,其运行速度比在CPU下提升了15-25倍。