چکیده: تصاویر ثبت شده‌ی غیرحرفه‌ای معمولاً از لرزش و تکان‌های ناخواسته حس‌گر دوربین رنج می‌برند و معمولاً حرکت متزلزل یک دوربین دستی بی‌ثبات یا یک دوربین نصب شده روی خودرو، باعث به وجود آمدن نویز در فیلم ضبط شده می‌شود که این اتفاق، احساس آزاردهنده‌ای را برای بیننده به وجود می‌آورد. امروزه به‌منظور پایدارسازی تصاویر ویدیوی از روش‌های مختلفی استفاده می‌شود و افزایش میزان دقت در پایدارسازی تصاویر ویدیوی و همچنین کاهش میزان خطای مدل یکی از مهم‌ترین چالش‌ها در این حوزه می‌باشد، به همین دلیل در این پژوهش نیز از یک روش ترکیبی به‌منظور پایدارسازی فریم‌های ویدیو استفاده شده است. در این مدل ابتدا فرایند تشخیص محتوای صحنه با استفاده از روش Grow Cut و الگوریتم زرنیک انجام شده است و در ادامه به‌منظور پایدارسازی تصویر از یک روش تطبیق بلوکی استفاده شده است، درواقع فرایند پایدارسازی تصویر در روش پیشنهادی شامل دو بخش تشخیص محتوای تصویر و پایدارسازی تصویر می‌باشد. در بخش اول فرایند تشخیص محتوای تصویر انجام می‌شود، درواقع انجام فرایند تشخیص محتوای تصویر شامل دو بخش، انتقال فریم به الگوریتم Grow Cut و قطعه‌بندی و سپس استخراج ویژگی و تشخیص تغییر محتوا با استفاده از الگوریتم زرنیک می‌باشد. در بخش دوم: فرایند پایدارسازی تصویر انجام می‌شود، در این قسمت به‌منظور پایدارسازی تصویر از روش تطبیق بلوکی استفاده شده است. در ادامه و به‌منظور ارزیابی مدل پیشنهادی بر استفاده از ویدیو و سنجش بصری نتایج تاکید شده است اما همچنین از پارامترهای نمودار جابجایی سراسری (GMV )، میانگین و واریانس حاصل از مقادیر این پارامتر، میانگین مربعات جابجایی استفاده شده است. نتایج این پژوهش نشان‌دهنده عملکرد مطلوب روش ارایه شده در مقایسه با روش‌های متداول و همچنین روش پایه می‌باشد. مقادیر بدست آمده برای میانگین جابجایی در محور X برابر 0.45 و برای محور Y برابر0.416 بوده و مقدار واریانس در محور X برابر 0.051 و در محور Y برابر 0.045 بوده است. همچنین میانگین مربعات جابجایی ویدیوی ورودی و روش پیشنهادی برابر 0.328 در راستای محور X و مقدار 0.133 در راستای محور Y بوده است و بهبود نتایج حاصل از روش پیشنهادی را نشان می‌دهد.