1.一种基于相机轨迹估计和特征块匹配的稳像方法，其特征在于，具体步骤如下：步骤1，通过尺度不变特征转换SIFT算法提取抖动视频序列中各个视频帧的特征点，并对相邻视频帧进行特征匹配，得到若干对匹配点；

步骤2，基于M估计抽样一致性MSAC算法去除步骤1中得到的若干对匹配点中的异常点对；

步骤3，根据步骤2得到的匹配点对拟合二维线性运动模型，根据拟合得到的二维线性运动模型估计原始相机路径；

步骤4，确定平滑路径的目标函数和限制原始路径变换的约束条件，求解该优化问题，得到裁剪窗口的变换矩阵；

步骤5，基于裁剪窗口的变换矩阵对抖动视频序列中各个视频帧进行变换，输出稳定的视频序列。

2.根据权利要求1所述的一种基于相机轨迹估计和特征块匹配的稳像方法，其特征在于，步骤3中根据步骤2得到的匹配点对拟合得到抖动视频序列中第t帧视频帧It-1到第t-1帧视频帧It的二维线性运动模型，进一步估计得到第t帧视频帧的原始相机运动路径Ot，Ot＝F1F2…Ft。

3.根据权利要求1所述的一种基于相机轨迹估计和特征块匹配的稳像方法，其特征在于，步骤4中目标函数为：

约束条件包括：

平滑条件：

截取窗口位置条件：

其中 ，α、β和γ均为权重， 为裁剪窗口的第j个角cj的坐标，为6个松弛变量，

分别代表Ft+1Tt+1、Ft+2Tt+2、Ft+3Tt+3中矩阵乘法，第t帧视频帧的裁剪变换矩阵Tt的参数化向量Pt＝(at,bt,ct,dt,dxt,dyt)T，第t+1帧视频帧的裁剪变换矩阵Tt+1的参数化向量Pt+1＝(at+1,bt+1,ct+1,dt+1,dxt+1,dyt+1)T，第t+2帧视频帧的裁剪变换矩阵Tt+2的参数化向量Pt+2＝(at+2,bt+2,ct+2,dt+2,dxt+2,dyt+2)T，第t+3帧视频帧的裁剪变换矩阵Tt+3的参数化向量Pt+3＝(at+3,bt+3,ct+3,dt+3,dxt+3,dyt+3)T，at、at+1、at+2、at+3分别为Tt、Tt+1、Tt+2、Tt+3的缩放参数，dt、dt+1、dt+2、dt+3分别为Tt、Tt+1、Tt+2、Tt+3的旋转参数，bt和ct、bt+1和ct+1、bt+2和ct+2、bt+3和ct+3分别为Tt、Tt+1、Tt+2、Tt+3的仿射变换参数，dxt和dyt、dxt+1和dyt+1、dxt+2和dyt+2、dxt+3和dyt+3分别为Tt、Tt+1、Tt+2、Tt+3的位移参数， w和h分别为视频帧的宽和长。

4.根据权利要求3所述的一种基于相机轨迹估计和特征块匹配的稳像方法，其特征在于，0.9≤at,dt≤1.1，-0.1≤bt,ct≤0.1。