微观场景的三维重建需求大多存在于工业检测当中,该场景其需求物体重建具有实时性,能在较快得到物体表面信息。然而这一需求,对于微观场景,是较难获得的。其原因在于,显微镜景深较浅,极其容易因为物体表面不在聚焦平面,导致成像模糊,在视频显微镜下,逐帧拍摄的图像均为大部分区域散焦的图像。三维重建的过程,是通过单张或少数张二维图像进行几何光学计算,利用仿射变换得到物体的三维信息,完成三维重建。而散焦图像的特征在于其完整信息需要用整套单视角散焦图像序列来恢复,且散焦图像由于信息缺失无法完成仿射变换的任务。所以利用散焦图像序列进行三维信息恢复有着与普通场景相比较高的处理难度,且实时性更难以保障。因此,常见的重建方法,诸如单目多视角方法、多目视觉均无法用于本场景,而激光扫描法却价格昂贵。本文以视频显微镜微观3D重构技术研究为课题,研究在当前微观场景散焦图像的深度信息恢复方法,以及图像去模糊方法,探索性的利用两类方法设计三维重建算法模型,利用运算时间为代价去代替激光扫描法,并分别改善两类算法运算效率,使该重建算法模型能够更广泛的应用于工业检测等场景。本文的主要工作与成果如下:首先,对于视频显微镜成像散焦的原因进行分析,得知其显微镜景深浅为主要成因,选择相应的去模糊方法:多聚焦图像融合方法。研究了小波变换相关理论以及小波变换图像融合方法、基于稀疏表示的多聚焦图像融合方法,并通过多层小波变换将稀疏表示图像融合方法的编码、解码以及字典学习过程放在频域中进行,利用多个频段的分解减轻其运算负担,并通过GPU并行运算进行多通道运算进一步降低该算法运行时间。其次,对于视频显微镜散焦图像估计,利用对于传统散焦图像深度估算方法进行了研究,其中有基于几何约束的深度估计方法、基于马尔可夫随机场的深度估计、基于正则化方法的深度估计,本文对基于马尔可夫随机场的深度估计方法本文做了研究,介绍了马尔可夫随机场理论原理及其深度估计模型,对算法通过实验进行了仿真,也研究了基于几何约束的深度估计方法,并对其中的迭代方式做出了改进。实验结果表明,无论在深度估计运算效率上还是在估计效果上,基于几何约束的深度估计均具有优势。针对原散焦图像估计方法只针对两副图像完成相对视差估计的情形,本文对其优化算法进行改进使之能够充分利用连续帧散焦图像信息,进行精准的深度估计。最后,对于视频显微镜散焦图像估计结果进行处理,通过变换得到物体表面三维点云数据,使用一系列方法将三维点云数据进行下采样,并进行滤波去噪得到相对稀疏、平滑利于曲面拟合的点云数据。将预处理后的三维点云利用Delaunay三角剖分法进行曲面拟合,得到最终物体表面的三维曲面重建结果。仿真实验表明,重建样本表面基本符合所选被测对象的表面轮廓信息。