纳米科技作为21世纪初的核心技术之一发展迅速，各国已经展开了激烈竞争，扫描探针显微镜(SPM)就是纳米科技工作者的有力武器之一，不断提高它的测量和定位精度是纳米仪器界始终追求的目标。但是，由于扫描探针显微镜的压电扫描器自身的非线性，往往会导致扫描图像的扭曲和失真。以往我们采用人工标定的方法来解决图像失真，不但效率低，而且标定过程受人为干扰因素很大。采用基于人工神经网络和数字图像处理的SPM自动标定算法，不但可以大大提高标定效率，有更高的标定精度，还可以解决非线性以及SPM扫描图像拉伸等一系列问题。本文的主要研究工作及创新点有： 1.对扫描探针显微镜中的单管压电执行器在x-y平面扫描的电压-位移特性进行了物理和数据分析，提出了一种基于采集数据和Matlab数值计算的建模方法。该方法充分考虑了扫描速度、扫描角度、非正交和耦合误差因素对单管压电扫描器模型误差的影响，解决了x、y方向的放大标尺不等问题。 2.针对扫描探针显微镜中扫描图像显示的大小与实际大小存在较大误差，提出了基于图像处理和人工神经网络的智能标定方案。经过图像处理提取标准光栅图像的特征矩阵，用人工神经网络训练特征矩阵和真实矩阵，用于预测扫描图像实际施加在压电扫描器x、y轴的电压值。该方法是不基于模型的方法，不仅对扫描范围有标定作用，而且对压电陶瓷材料在制作时本身存在的非线性等也可以有很好的校正作用。 3.对标准光栅SPM图像特征点的识别算法进行了改进，使其不仅能自动识别出标准光栅SPM图像的特征矩阵，还能计算出图像的显示范围。将自己开发的智能标定软件应用于爱建公司的AJ-Ⅲ型SPM中进行测试，使扫描图像的x-y表面失真度从7.2％降至1.78％。 本论文对新的建模方法的尝试和将人工神经网络这一智能控制方法引入扫描探针显微镜的标定领域，对将来智能扫描探针显微镜的研究起到了抛砖引玉的作用。