针对数字图像相关方法测量帧间大变形时出现的退相关现象,以及现有基于数字图像相关方法测量帧间大变形算法的尚不完善之处,本文在现有研究成果的基础上,提出了一种基于双边特征匹配的数字图像相关全场变形初值估计方法,可以用于测量帧间大变形。首先,为了克服数字图像相关方法测量帧间大变形时出现的退相关现象,采用ORB（Oriented FAST and Rotated BRIEF）快速特征检测算法对参考图像和目标图像提取和匹配特征点对,保证在大变形情况下仍能提取全场分布均匀的匹配点,为估计全场感兴趣点的变形初值提供可靠数目的匹配特征点对。其次,针对特征匹配过程中存在的错误匹配问题,引入计算机视觉领域的网格运动统计方法。为了充分利用网格运动统计方法的优势,解决其应用于大变形散斑图像匹配过程中出现的问题,对网格运动统计方法进行了改进,通过高斯核函数为匹配特征点对分配合理权重和双边一致性检查限制错误匹配出现概率,进一步提高网格运动统计方法的鲁棒性、准确性和计算效率,使其适用于帧间大变形的特征匹配和筛选。最后,采用一种简单的、与路径无关的全场变形初值估计方法代替现有依赖路径传递变形参数的数字图像相关全场测量方法。在此过程中,使用MSAC（M-Estimate Sample Consensus）算法在每个感兴趣点的搜索区域内进一步剔除错误匹配,并独立估计感兴趣点的仿射变换模型和变形初值,为反向组合高斯牛顿算法提供可靠的全场变形初始估计值,迭代优化得到最终测量结果。通过仿真和实验验证了该方法测量不同帧间大变形的性能和在工程应用的实用性。实验结果表明,该方法可测实际变形量在40%左右,与其他算法相比可以更加高效、可靠的测量帧间大变形的全场变形参数。