数字图像相关法是一种用于测量物体位移和应变测量的光学测量技术,已经在众多领域得到了大量的应用。数字图像相关法的测量精度基本上在0.005～0.05像素之间,已经能够满足大部分的工程测量需求。但在算法的鲁棒性以及位移场计算的实时性方面还存在着不足。因此,本文针对这两个关键问题进行了相关研究,并对传统数字图像相关法进行改进。为了提高数字图像相关法中初始值估计的鲁棒性和计算效率,提出一种基于AKAZE-DAISY特征点匹配的初始值估计方法,并在特征匹配阶段采用GPU并行计算提高计算效率。利用AKAZE算法进行特征点检测,DAISY算法进行特征描述,再用暴力匹配和GMS算法对特征点进行匹配与筛选,最后通过最小二乘法求解仿射变换参数实现初始的值估计。通过模拟散斑实验表明,该方法在较大的变形和旋转情况下仍能保持较高的计算效率和准确性,能为亚像素位移求解提供可靠的初始值。通过数字散斑实验对4种常见的亚像素位移求解算法进行比较。从计算效率来看,曲面拟合法计算耗时最短,牛顿拉夫森算法耗时最长。从测量精度来看,牛顿拉夫森算法、灰度梯度迭代算法和反向组合高斯牛顿算法测量精度比曲面拟合法高了一个级别。其中,反向组合高斯牛顿算法因为计算效率高、受噪声影响小得到了极大的关注。针对数字图像相关法计算量大,位移场求解耗时过长,难以满足实际应用中实时性的需求,利用NVIDIA Ge Force GTX960M的显卡,实现了反向组合高斯牛顿算法的并行计算。通过与传统的反向组合高斯牛顿算法比较显示,该方法能够极大的缩短计算耗时,在子区大小为31×31个像素的情况下,加速比达到10倍以上。最后以Visual Studio作为开发环境,结合Opencv、QT和CUDA,编写了数字图像相关法的测量软件,并对影响数字图像相关法测量精度的原因进行了分析。然后进行了水转印散斑的平移实验、橡胶圆柱体压缩实验、含孔试件拉伸试验以及旋转散斑的测量实验。通过与传统算法测量结果进行比较发现,本文实现的算法具有更高的鲁棒和计算效率,可以更好的满足实际应用中的测量要求。