摄像测量方法的测量分辨率目前尚难以满足对于小变形测量的需求,一个重要的原因是实验中获取的图像质量不高,且图像分析算法中未特别考虑噪声的压制。针对这一现状,本文从获取高质量图像的角度入手,提出一种从图像采集端和算法端两个途径共同提高图像质量,从而实现高精度测量的新方法。在图像采集端,首先,针对摄像测量方法的特点,提出以分辨率和信噪比作为评价图像质量的两个重要指标,并给出了标定方法;通过实验手段研究了不同成像模式和成像设置对于图像质量的影响,其中重点研究了彩色成像和高速成像两种成像模式,以及相机的曝光时间、增益、模数转换位数和镜头的光圈、焦距等常用的成像设置对图像质量的影响,并总结了其影响规律。其次,模拟研究了图像质量对特征匹配和特征定位两类摄像测量方法测量精度的影响,结果表明同单色成像相比,彩色成像造成的图像空间分辨率下降将使角点定位方法误差增大2-3个量级,且使数字图像相关方法(DIC)位移测量误差增大3-5倍;同时发现时域噪声和固定模式噪声对测量精度影响不同。最后,通过实验验证了成像模式及成像设置影响摄像测量方法测量精度的猜想,并得到了定量结论,且与模拟结果良好吻合,发现误差与图像分辨率和信噪比呈负相关,其中高速成像可使DIC方法位移测量误差增大1个量级,而不当的成像设置也会使误差有不同程度的增大。从而为实验者提供了合理选择成像模式和成像设置的参考。在算法端,通过对时空窗DIC方法进行拓展和改进,发展了可有效抑制时域噪声的低信噪比特征图像的变形分析方法,进一步提高了测量精度。首先,探究了时间窗尺寸对于算法计算精度和计算消耗的影响,提出了优化方案。其次,将算法拓展到基于标记点识别的图像变形分析中,有效提高了位移和应变的测量精度,其中,针对标记点特征简化后的基于零阶空间形函数的时空窗DIC方法可进一步使测量误差降低一倍。最后,针对实际测量中相机采样速率不恒定以及试件变形速率与相机采样速率不匹配这两种常见情况,分别发展了考虑时域非均匀采样和时域二阶连续变形的低信噪比图像分析算法,并进行了有效性验证,结果表明与传统时空窗DIC相比,上述方法均可进一步提高摄像测量方法的测量精度,且误差随时间窗尺寸增加而下降。