随着图像采集设备、数字处理仪器和相关算法的不断发展,数字图像相关技术已经使得对结构变形信息的全场测量成为可能,这也为利用变形测量信息进行模型参数识别的计算反求提供了充足的数据支撑。然而,由于数字图像相关是全场测量,所获取的数据量极大,如何从测量数据中提取有用的信息和去除冗余噪声已成为一个重要的研究方向。因此,有必要研究一种方法去解决数字图像相关测量的庞大数据量和选点困难的问题。针对上述技术难点,开展的主要工作如下:1、介绍了数字图像相关测量的应用领域和特征参数识别的相关方法。在回顾典型方法的基础上,提出利用主成分分析法对结构表面变形数据进行压缩。一个方面,降低了数字图像相关技术所测庞大数据的应用成本;另一方面,达到在保留结构表面变形信息主要特征的前提下显著降低数据量的目的。再者,针对数字图像相关测量的庞大数据量和选点困难的问题,本文提出一种基于DIC测量数据主成分分析压缩的特征参数识别方法。该方法以经PCA压缩的DIC测量数据和经基向量投影的有限元位移数据之间差值最小为优化目标,建立了最小二乘法的特征参数模型,并利用Guass-Newton方法进行模型求解。2、对本文所提的特征参数识别方法,通过数值模拟和试验测试验证该方法的可靠性。首先,研究利用压缩后的数据进行力学模型参数的反求计算,并在最小二乘法的框架下证明了利用压缩数据建立的反求模型的目标残差逼近原数据反求残差。其次,对直接反求方法与本文方法获得的最优材料参数、目标函数及迭代次数分别进行了比较,研究了两种方法在引入高斯随机噪声后的结果变化。最后,以两类算例具体从计算精度、收敛速度和抗噪性等方面展示了数据压缩对模型参数反求计算的效果。研究结果表明所提方法在显著降低所使用数据量的前提下,能够有效提高力学模型参数反求计算的收敛速度,特别是对于包含多个材料参数反求问题,具有较高的精度和较好的稳定性。在处理噪声方面,本算法呈现出更快的收敛速度、更强的稳定性和抑噪能力。3、针对工程实际中的非线性问题,在提出的算法基础上加以改进。主要包括:利用核主成分分析法替代主成分分析,对数字图像相关技术所测结构变形信息进行数据压缩;进一步用具有超线性收敛的NL2SOL算法替代Guass-Newton算法,求解力学模型。试验结果表明,在非线性模型中,改进算法的目标函数收敛更快,获得的多个材料参数具有较高的精度和较好的稳定性。