随着实验力学、仪器科学等学科的发展,全场位移测量技术也得到了长足进步,该技术因具有光路简单、环境适应性好、测量范围广、自动化程度高等诸多优点被广泛关注。尽管数字图像相关方法对位移场计算精度已经能满足大多数工程应用,但整像素位移搜索效率及准确率仍有不足,尤其是更高精度位移测量中涉及到亚像素位移计算,需要对亚像素位置处的灰度值进行插值重建,所以计算效率严重成为数字图像相关方法应用的瓶颈。本文提出了改进的整像素、亚像素位移计算方法,并综合两者优点形成了无插值高效位移场测量算法,对所提出的算法开展了相关特性研究及实验验证。主要工作如下:（1）提出基于改进粒子群算法的整像素位移搜索算法。针对位移不大的情况,引入了在搜素中心点附近的一组预定位粒子,从而减少了标准粒子群算法的迭代次数,减少搜索时间。在迭代完成后再结合三步法进行细搜索搜素,进而解决了粒子群算法容易早熟的问题,确保所搜索到的点为相关系数的峰值点,提高了整像素位移搜索的成功率。与改进前相比,搜索时间减少了12%,成功率增加到接近100%。（2）提出了基于神经网络误差补偿的梯度法,无需插值便能得到亚像素位移。分析了梯度法存在的非线性固有误差,选用三层结构BP神经网络对梯度法的测量误差进行训练,从而实现了误差的预测与补偿,补偿后误差均值降低了50%左右,标准差降低了30%左右。将改进的梯度法与经典的Newton-Raphson迭代算法（简称N-R算法）进行亚像素位移计算对比,结果显示两者计算精度相当,而前者计算速度为后者三倍。（3）采用模拟散斑针对本文提出位移场算法进行进一步的研究与验证。在21×21的子区大小、25d B的信噪比、1000以上散斑数量时,其计算精度与效率最高。在进行模拟散斑位移场测量时发现,尽管在噪声的影响下,整像素、亚像素位移计算结合时计算速度精度均有所下降,但是其精度仍与基于N-R算法的位移场测量方法相当,且速度仍快于后者。（4）设计Matlab GUI人机交互界面,采用刚体平移实验和金属片单轴拉伸实验对本文提出算法进行验证。实验结果表明,提出算法与N-R算法的位移场测量结果相差不大,测量误差均在可接受范围内,验证了本文提出算法的可靠性与实用性。