数字图像相关法被广泛应用于实验力学及其它科学研究领域和工程实践当中,它是一种常见的光测力学技术。常见的应用场景有物体的位移测量、电子器件振动和变形测量、生物力学等等。数字图像相关法的关键在于亚像素测量算法的计算精度和稳定性,因此,这方面的研究工作具有重要意义。本文从位移测量的实际场景出发,提出了两种亚像素位移测量算法,并设计了一个满足实时处理要求的物体位移监测系统。首先,本文介绍了课题研究的意义和国内外研究的现状,接着介绍了数字图像相关法的基本原理和常用的相关函数;总结了已有的亚像素位移测量算法的特点,并重点介绍了灰度插值法、曲面拟合法和梯度法这三种目前最常用的亚像素位移测量算法。其次,在分析灰度插值法和曲面拟合法这两种方法各自优缺点的基础上,提出一种结合两者优点的混合算法。该算法在没有大幅提升计算量的基础下,能够获取比曲面拟合法更高的测量精度,并且具有更好的抗噪性能。后面进行数值实验,讨论了不同插值倍数、不同曲面拟合窗口大小对该混合法的影响,并给出了当前实验环境下的最佳参数,最后对该算法进行抗噪性能的分析。再次,根据机器学习算法善于捕捉潜在规律的特点,提出一种基于梯度提升树(GBDT)的亚像素位移测量算法。介绍了该算法的基本原理和重要参数后,进行数值实验,讨论了迭代次数、最大决策树深度、最大叶子树和特征长度对该算法的影响,并给出了当前实验环境下的最佳参数。对比实验发现,该算法具有不亚于曲面拟合法的性能。最后,设计并搭建了一套物体位移监测系统。该系统可以精确地实时监测目标物的位移情况;系统测试表明,该系统的测量精度可以达到亚像素级。