工程构筑物的变形会对安全构成严重威胁,所以准确、及时地对变形体进行监测,进而采取相应应对措施,这对工程的施工运营十分重要。在工程变形监测中,全球导航卫星系统测量法在部分场景下由于信号遮挡等原因监测精度较差,而诸如人工测量法、合成孔径雷达测量等方法由于实时性不足的问题也难以应用。针对这些问题,本文引入了机器视觉的方法进行变形监测。该方法因低成本、自动化等优点在工程中已经得到了应用。但是在监测过程中,雾霭的存在会使图像降质,影响监测精度;而相机抖动会导致图像出现偏移甚至模糊,进而带来粗差,影响监测效果。为了解决这些问题,本文首先引入了尺度不变特征变换算法对监测目标进行位移提取。然后,针对雾霭和相机抖动问题,分别提出了相应的解决方法。具体取得了如下成果:（1）针对雾天环境下机器视觉的监测方法难以应用的问题,介绍了一种结合暗通道先验（Dark Channel Prior,DCP）的监测方法。首先利用雾霭浓度判别器计算图像的雾霭浓度,判断其是否需要去雾。对于需要去雾的图像,利用DCP算法进行去雾处理,还原其纹理细节信息。然后再利用位移提取算法对目标物进行位移提取,判断其变形情况。以边坡监测为例进行了对比实验,结果表明,该算法表现优异,其在浓雾场景下误差仅为0.25像素,而其他算法中表现最好的Dehaze Net模型误差也有1.33像素。在补充实验中,该算法误差均值为0.4像素,运行时长为67秒,证明其在精度和实时性上都基本满足变形监测的要求。（2）针对相机抖动导致的图像模糊问题,介绍了一种基于去均值对比度归一化（Mean Subtracted Contrast Normalized,MSCN）方差的模糊判断方法。该方法在MSCN系数的基础上,提取系数矩阵的方差均值作为模糊图像判断标准。以桥墩监测为例进行了对比实验,结果显示,该方法的模糊图像识别成功率达到85%左右,其他算法中表现最好的Sobel算子成功率也仅为68%左右。实验表明,该算法对模糊图像的识别成功率优于其他算法,较为可靠。（3）针对相机抖动导致图像偏移的问题,介绍了一种基于稳定参考的抖动修正算法。该算法通过提取稳定参考物的位移作为抖动偏移,对监测目标物的粗位移进行修正。在凤阳某铁路桥现场进行了实验,结果显示:在相机抖动的影响下,图像中提取的位移误差较大,达到12像素,而经过该方法修正后,提取的位移精度可达到0.8个像素以内,运行时长为16秒。结果表明该算法在精度和实时性上的表现较好,可有效消除抖动的影响。（4）根据前文介绍的算法,设计并实现了基于机器视觉的变形监测图像处理软件。软件实现了本文提出的位移提取、图像去雾、模糊识别、抖动修正等核心功能。还添加了一些常用的图像处理功能,可基本满足实际工程中图像数据处理的需要。