桥梁变形是桥梁健康状况评价的重要参数，直接反映桥梁结构的整体刚度，因此桥梁变形测量是桥梁健康监测的重要内容之一。目前测量桥梁变形的手段有很多，其中图像测量技术能实现二维测量，测量范围大，成本相对低廉，具有长期、在线、自动测量的潜力。然而目前测量系统无法实现多点同步测量，实时性也没有达到动态测量的要求。而且在在恶劣的天气环境下，发光靶标的成像模糊以及环境背景光的干扰，导致光靶标难以精确识别，测量出现很大的误差。因此研究多点实时同步监测系统以及天气环境适应性强的识别技术，具有重要的科学意义和实用价值。　　 为了解决现有测量系统无法实现多点同步测量，实时性差的问题，通过多点实时同步测量方案的总体分析，采用视频解码芯片TVP5150进行系统前端的图像采集，采用TMS320DM643完成图像识别算法的设计，采用大容量的Flash和SDRAM实现程序的固化和测量结果的存储。并将图像采集、处理以及存储模块集成到单板上，构建了基于TMS320DM643嵌入式图像处理系统，实现了多点实时同步测量的要求。　　 为了解决恶劣天气下，靶标难以识别的问题，提高测量的精度，通过分析模糊靶标图像的灰度特征，采用直方图均衡化算法和改进的中值滤波算法，实现了图像增强和平滑的效果。通过分析靶标的特征，采用基于差分投影法以及数字图像相关法的识别算法消除了天气环境的影响，实现了靶标的精确识别。　　 为了将环境自适应识别算法融入到嵌入式图像处理系统硬件平台中，通过集成开发环境CCS工具，采用模块化编程思想，进行了嵌入式图像系统的软件设计。实现了嵌入式图像处理系统的功能。　　 通过实验方案设计，搭建实验系统，分别对环境自适应识别算法的测量精度和系统的实时性进行了实验。通过对实验结果分析讨论，可知测量的精度从厘米级提高到了毫米级，测量系统的实时性也提高了3倍，达到了预期的目标。