数字散斑相关方法通常又被称作数字图像相关方法,它是一种非接触、高精度、无损伤、全场测量的计算机辅助位移测量方法,已经被成功地应用到了实验力学及其它科研领域,现在正朝着高温、生物、微观、新型材料检测等领域进发。但目前该方法在整像素快速定位和亚像素精确求解上还存在一定的不足,因此本文主要研究如何进一步提高整像素的定位速度,并对亚像素位移测量算法的优缺点进行讨论,以更好地满足实际工程测量的需求。首先,简要介绍了散斑的形成原理,并解释了散斑图可以进行微位移测量的原因,推导了物体位移变形公式,讨论了常用相关系数的特性,最终确立了本文的数字散斑相关方法模型。然后,介绍了一种新颖的基于群体智能的布谷鸟搜索算法,对该算法的高效性进行了分析,针对其存在的不足引入了非均匀变异算子、粒子群算法、高斯扰动来对布谷鸟搜索算法中的随机步长和位置更新策略进行改进,并用四种不同的标准测试函数对改进后算法的性能进行了检验;鉴于改进后布谷鸟搜索算法的高效性,本文将其引入到了数字散斑相关方法领域中,介绍了该算法测量位移时的原理,讨论了不同参数对其计算效率的影响,并将其与已有整像素相关搜索算法的性能进行了全面对比。最后,对物体发生刚体平移、单向拉伸和刚体旋转这三种不同应变状态进行了模拟,同时对常用的四种亚像素位移测量算法在不同应变状态下的计算精度和算法稳定性进行了对比分析,发现了Newton-Raphson法在复杂环境下的性能最佳,并将本文所提的整像素相关搜索算法与其相结合,对毛玻璃进行了微位移测量,证实了本文所提观点在具体实验中的可行性与高效性。