在现代光学计量技术中，数字图像相关方法已成为一种简单、实用、有效的全场位移与应变定量测量方法。该方法以其光路简单、环境适应性好、测量范围广、自动化程度高等诸多优点已被广泛应用于实验力学及其他科学研究领域。但目前的数字图像相关方法在整像素定位的速度及亚像素求解精度上还存在一定的不足，有待于进一步研究与改进以满足工程测量的要求。本文针对传统的基于像素点灰度值建立的相关函数及逐点搜索策略对数字图像相关方法整像素定位速度的影响，提出了一种图像不变矩与微粒群算法相结合的整像素搜索算法。该算法首先采用与散斑图具有一一对应关系的不变矩序列建立相关函数，由于散斑图的组合不变矩序列只有6个参数，故采用该相关函数可显著地降低相关计算量；然后采用群体智能算法——微粒群算法对相关函数进行优化求解，进一步提高了计算速度。通过模拟实验验证了该算法进行整像素定位的有效性和可行性。同时应用模拟实验将该算法与目前常用的粗-精法及遗传算法两种整像素搜索算法进行了比较，证明了该算法在完成整像素搜索的基础上具有较高的计算效率。在实际应用中，环境光照的变化、成像系统偏差的不稳定以及加载过程引起的对比度变化等因素会对散斑图的成像产生耦合的影响，使散斑图像序列间像素点的灰度值产生变化。鉴于此，本文提出了一种基于非线性光流方程的亚像素迭代梯度算法。该算法以非线性函数建立变形前后散斑图像素点间的光流方程，应用迭代最小二乘算法得到变形参数的迭代解。通过模拟实验验证了该算法较已有的迭代梯度算法对环境的变化具有更高的适应性，且由于该算法更符合散斑图像之间真实的灰度变化关系，故在迭代计算时具有更快的收敛速度。最后，通过真实的平移实验，将该算法与曲面拟合法、非迭代梯度法及Newton-Raphson算法进行了对比研究，结果表明本文算法具有更高的精度及环境适应性。在数字图像相关方法的亚像素位移求解中，图像子集尺寸对求解精度有很大的影响。为了进一步提高亚像素位移求解精度，本文从信息量中熵的概念出发，提出了一种基于香农熵的图像子集尺寸优化选择算法。首先，对不同方式获得的灰度分布显著不同的散斑图进行了分析，揭示了散斑图的熵与位移测量精度的关系，即散斑图的熵越大，亚像素位移的计算精度越高。为散斑图质量的评价提供了一个新的评价参数，可有效地指导散斑的制作。然后，以图像子集熵为指标，以整幅散斑图的熵为阈值建立了图像子集优化选择算法。最后，通过对6幅熵值完全不同的散斑图模拟位移测量实验，验证了该算法能够有效地提高亚像素位移计算精度，并降低了平均图像子集尺寸。以本文的数字图像相关理论为基础，建立了基于双像机跟踪的材料力学性能测试系统。通过对标准试件的拉伸实验证明了该系统原理正确，算法可靠且具有较高的测量精度，能够完成多种材料的力学性能测试，具有较好的实用性。