数字散斑图像相关法是对全场位移和应变进行量化分析的光学测量方法。近年来,数字散斑图像相关技术以其自动处理、非接触、全场等优点获得了重要的成功,在理论研究和工程实际中都有广泛的应用前景。本文在对数字散斑图像相关法的基本理论进行深入分析的基础上,提出了彩色数字散斑图像相关法,即用彩色散斑图取代灰度散斑图进行相关运算,并针对RGB色彩空间提出了衡量彩色图像相似程度的数学指标。由于彩色图像较之灰度图像包含更多色彩信息,因此,利用彩色图像进行相关运算提高了数字散斑图像相关技术的测量精度,同时拓宽了其应用范围。数字散斑图像相关技术中的关键问题是相关运算,作者通过对各种优化算法特性的比较和对国内外最新进展的追踪,针对传统的优化算法优化结果非常依赖所选的初始点和需要图像导数信息的两大显著缺点,提出数字散斑图像相关运算的遗传算法。遗传算法是借鉴生物的自然选择和遗传进化机制而开发出的一种全局自适应概率搜索算法。本文详细介绍了遗传算法的基本思想和应用过程。一般研究认为遗传算法的搜索和优化能力取决于遗传算子,作者验证、比较并分析了各种基于实数编码的遗传算子进行相关计算的能力,在此基础上,对算术交叉算子和高斯变异算子进行了改进。遗传算法具有隐含并行性,像撒网一样,在整个解空间进行搜索,这使得遗传算法具有较好的全局搜索性能,减少了陷于局部极值的风险。而模拟退火法有较强的局部搜索能力,作者将遗传算法和模拟退火法进行结合,充分发挥两者的优势,形成了遗传模拟退火法。实验证明,对遗传算法的改进提高了其局部搜索能力和计算精度。本文采用模拟图像分析了遗传算法在各种情况下进行相关运算的可靠性和稳定性,并利用这种方法对各遗传算子进行相关运算的误差和散斑的大小、窗口的大小对相关运算误差的影响进行了分析。最后,本文将基于改进遗传算法的数字散斑图像相关技术应用于刚体平移、刚体旋转和单向拉伸等实际变形场的测定,通过计算值和理论值的比较,表明本文提出的方法是稳定性好、精度高、可靠的新方法,可推广应用于不同的研究领域。