数字图像相关方法（Digital Image Correlation,DIC）是一种图像测量技术,可以通过追踪图片中散斑的方式对图像之间物体的形变进行测量,然而当前形变测量的精度不能满足工程的需求,因此提高数字图像散斑相关方法中形变测量的精度和稳定性具有十分重要的意义。图像间物体的形变信息基本上都涉及到亚像素级别,而其中算法的选择和图像中噪声的干扰最终都会影响测量亚像素形变测量信息的精度,因此本文将主要致力于提高数字图像相关中亚像素级别形变测量结果的精度和稳定性。本文对数字图像相关的基本理论进行研究,分析了数字图像相关问题的测量误差,并确定了本文形变测量过程中的位移映射准则和相关系数准则,选择基于图像插值的方法对图像亚像素进行定位,并总结常见的灰度插值方法和图像位移匹配算法,建立合适的亚像素形变测量数学模型,为后续本文提高图像相关测量的精度以及稳定性做出重要的铺垫。针对图像中亚像素定位的准确性问题,本文设计了一种基于最大后验概率的超分辨率重建方法。该方法可以通过多张低分辨图像间的相互信息重建得到一张超分辨率的图像,即提高了图像的分辨率。首先,分析超分辨率重建图像的基本原理和常见的重建模型,并推导超分辨重建的实现流程;其次基于多种重建模型的优缺点分析,选择并设计基于最大后验概率的超分辨率重建算法;最后使用同样的图片进行仿真,结果显示不管是在主观上还是客观上,本文设计的基于最大后验的超分辨率重建方法都比传统具有优势的灰度插值和基于凸集投影的超分辨率重建效果更好。本文提出将基于超分辨率重建后的图像应用于数字图像相关方法中。首先,针对空间迭代图像配准法,结合所选的位移映射准则和相关系数准则,分析推导并仿真了两种主流的牛顿迭代法。由于反向组合高斯迭代法不管是在速度上还是在测量精度的优势,本文将确定采用反向组合高斯迭代算法应用于基于超分辨率重建处理的亚像素位移测量中。之后,确定基于超分辨率重建的数字图像相关流程,先对图像进行最大后验概率超分辨率重建,在提高图像亚像素分辨率的基础上再进行B样条插值,不断逼近所选的零均值归一化最小平方相关值,从而实现对数字图像相关中形变测量的高精度匹配。最后,本文针对散斑图像选用形变测量结果的均值偏差、标准差和均值根误差比较最终结果,仿真结果显示本文提出的基于超分辨率重建的数字图像相关方法可以提高形变测量亚像素级别的精度,达到了更好的匹配度。