当今很多前沿尖端领域都离不开微运动测量技术,它在生物医学、化工生产和微电子制造等领域发挥着至关重要的作用。作为微运动测量技术的一个分支,显微视觉测量技术凭借其结构简单、测量范围广泛和成本较低等优势牢牢占据了非常重要的位置,因此它一直以来吸引了众多学者的研究兴趣。但是制约显微视觉测量技术被广泛应用的关键原因是其测量效率会由于计算复杂度过高而十分低下,该技术很难满足对实时性要求很高的测量需求。为此本文以大幅提升显微视觉测量技术的效率而不降低其精度为任务驱动,提出一种基于改进的PSO优化算法的图像块匹配策略并将其应用于显微视觉测量中,最后通过微运动平台的运动测量实验对所本文提出方法进行验证,从而证明本文所提出方法的有效性。本文的主要工作包含以下内容:(1)从光学原理、坐标系变换和运动分析解耦这几个角度来研究面向平面微运动测量的显微视觉测量技术,从结构与组成这两方面提出一种典型的显微视觉测量系统。(2)提出一种改进的PSO算法用于优化图像块匹配过程,该改进算法采用倒金字塔分层结构的粒子群迁移策略来减少计算复杂度,并且整合经典的局部搜索算法以确保最终结果不丢失精度。该算法可以分为两个阶段:1)第一阶段在解空间中创建一个自定义空间,然后采用倒金字塔结构从底层到顶层将自定义空间不断缩小,同时加速其外部粒子往其内部迁移;2)对最终的自定义空间的内部使用经典的局部搜索算法进行精准搜索,进一步提高算法精度。(3)提出一种基于距离图的图像块匹配算法,设计用于评价图像块匹配效果的适应值函数,该函数能够对平面内的所有三个自由度(包括两个正交的直线自由度和一个平面内的转动自由度)敏感。并且将PSO优化算法或者本文所提出的改进算法应用于该图像块匹配过程以达测量微纳平台运动的目的。(4)搭建面向平面微运动测量的显微视觉实验验证平台,分别通过三自由度和双自由度微平台的运动测量实验验证了两个问题:a)从测量精度、效率和稳定性这三个方面来对比本文所提出的改进的PSO算法、经典PSO算法、之前工作所提出的方法和常用的遗传算法之间的性能;b)从测量精度和效率来综合对比本文所提出的改进的PSO算法中第二阶段所提到的六种经典的局部搜索算法的性能。