数字图像相关方法因其非接触、全场、环境要求低等特点,被广泛用于土木、机械、生物、航天等各个行业。该方法基于追踪试件表面的纹理特征,实现对试件形貌、运动、变形的测量。因此,试件表面的散斑场对数字图像相关方法至关重要。目前对于如何在试件表面制作散斑场、制作什么样的散斑场尚无定论,导致对于同一实验,由不同的实验人员操作可能得到不一样的结果。这使数字图像相关方法的一致性和正确性受到质疑,从而大大限制了数字图像相关方法的应用。为了解决这一问题,需要寻找一个高质量的散斑场。该散斑场应该对应着最小的数字图像相关方法计算误差。为了寻找这一散斑场,本文首先对本课题组近年来在实验中使用的36幅散斑图进行了统计分析。通过模拟数字图像相关计算给出了该36幅散斑图中最好的散斑图,并分析了其数字图像相关方法计算误差较小的原因。进一步分析证实平均灰度梯度难以完全评价散斑场质量,而图像处理学科中描述纹理的相关描述子、平滑度描述子以及方差描述子与数字图像相关方法计算误差高度相关。然而,为了得到最优的散斑场,不仅要分析现有的散斑图,还需进行理论分析。为此本文综述了数字图像相关计算误差和散斑场各个特征间的理论关系,在此基础上采用了分枝定界的方法求得有限计算时间下子区灰度梯度平方和最大的散斑场,其平均灰度梯度比随机散斑场高了50%以上,数字图像相关方法计算误差降低了40%。本文同时给出了采用圆点分布设计数字散斑场的最佳参数,研究表明其精度高于用最优化方法算出的散斑场,并在两个实际实验中验证了数字散斑场的可行性和优越性。本论文针对数字图像相关方法中数字散斑场的设计问题进行了深入讲究,通过理论分析和实验研究,得到了数字图像相关计算误差较小且方便实用的数字散斑场,并将其用在了实际测量中,保证了数字图像相关方法中散斑场的一致性,为实际实验提供了可靠的手段,具有良好的应用前景。