测量技术是现代工业的基础技术之一,其在一定程度上反映着国家制造业和科学技术的发展水平。由于传统接触式测量技术易受环境等因素的影响,导致其在某些场合难以应用。随着数字图像技术的发展和硬件技术的进步,图像传感器的精度和效率得到长足的发展,产生了一种新型检测技术—视觉测量技术。本文以视觉测量为研究对象,针对传统的图像处理算法自动化程度不高、抗干扰能力不足等问题,引入了三种图像处理方法,并基于此三种图像处理方法相应提出了三种位移提取算法。首先提出了一种基于FAST特征点位移提取算法,主要通过减少和候选点比较的像素点的个数,来提升FAST特征点的跟踪效率。将此算法应用在钢锯条悬臂梁的振动测量实验中,验证了FAST特征点位移提取算法具有更高的位移提取速度。然后针对物体的刚体运动问题提出了改进型零均值归一化平方和模板匹配算法（zero-mean normalization sum of squared differences,ZNSSD）,即通过图像金字塔分解算法和曲面拟合算法与ZNSSD模板匹配算法相结合,以提升传统ZNSSD模板匹配算法的精度和速度。通过光栅尺移动平台实验,验证了改进型ZNSSD模板匹配算法具有更高的精度和速度。最后针对物体的非刚体运动振动信号提取问题,引入了基于奇异值分解（singular value decomposition,SVD）的数据降维算法。将该算法应用于仿真圆运动轨迹的提取,验证了SVD分解算法具有位移信息提取功能。与此同时,针对SVD分解算法提取的位移信号中包含大量噪声的问题,进一步提出了基于迭代SVD去噪方法和基于改进型小波去噪方法,并在仿真中验证了两种方法的有效性。最后将提出的视觉测量算法集成在搭建的高速视觉测量系统中,并应用该系统对人体呼吸信号及光栅尺运动进行了测量和分析,实验证明了视觉测量技术是有效的的测量方式,为测量技术的发展提供了一种可靠的方法。