利用聚焦堆栈估计场景深度是计算成像领域中的重要技术手段。提出三维自适应加权全变分计算框架，用于解决场景中弱纹理区域和遮挡区域深度线索丢失导致深度估计不准确的问题。相比传统二维引导滤波方法，所提三维优化框架不仅考虑聚焦堆栈和聚焦测度中共同蕴藏的场景几何结构，避免在深度图中错误地引入场景物理信息，还充分考虑聚焦堆栈和聚焦测度沿图像序列方向的结构特点，实现更高程度的数据保真。模拟数据和实际数据实验结果表明，所提方法能够有效提升聚焦堆栈估计深度的精度。

提出基于聚焦堆栈单体数据子集架构的全局成像方法,该方法可以提高单体内部的重建精度,减少由物体边界深度跳跃带来的重建误差。首先采用Alpha Matting算法获取物体的边界信息,按照物体的边界信息在(x,y)空间中对聚焦堆栈进行精确划分,在深度方向上对聚焦堆栈数据进行筛选,获得聚焦堆栈单体数据子集。然后根据聚焦测度对单体数据子集进行深度重建和全聚焦成像,利用全变差正则化优化计算结果。最后将优化后的聚焦堆栈单体数据子集的重建结果进行全局融合,得到全局场景的深度图和全聚焦图。实验结果表明,提出的基于聚焦堆栈单体数据子集架构的全局成像方法可以提高计算效率和重建结果的质量,为聚焦堆栈计算成像提供一种优化方案。

针对微型机电系统(MEMS)的三维测量, 显微镜或光学轮廓干涉仪等传统方法存在显微测量精度低、设备成本高等问题, 且当结构含有较多断裂面时, 解包裹算法效果欠佳。本文提出一种基于多图像融合的MEMS显微三维测量方法。不同于多角度显微三维测量方法, 本研究首先利用单目显微镜, 通过单一轴向移动获取一系列测量目标深度信息的单一角度图像, 并利用去雾算法对图像进行预处理, 实现了去噪和有效信息提取的目的; 然后通过聚焦测度算法获取待测对象的深度信息; 最后利用数据处理软件进行三维拟合。基于上述原理, 本文以焦平面阵列(FPA)作为待测目标进行了测量实验。本文提出的三维测量方法和图像处理算法可获得更准确的FPA形貌, 可清晰显示反射面与支腿部分及反射面上的释放孔, 测得FPA 的支腿长度为110.6 μm, 每个反射面的像元尺寸为120.8 μm×70.8 μm, 与设计值基本吻合, 解决了断裂面难以测量的问题, 同时降低了微结构测量的难度和成本。单目显微镜单向移动的多图像融合测量技术对MEMS的三维形貌测量具有重要意义, 去雾算法在图像融合与三维测量的图像处理也有很好的应用价值。

提出了基于聚焦融合的被测石材表面三维重构方法, 实现对石材大板表面微观质量的检测。通过CCD摄像机与放大镜头的组装作为图像传感器, 使其在驱动电机控制下沿垂直于被测石材大板表面的方向拍摄序列显微图像。将不同层面的图像采用改进的拉普拉斯算法提取出图中所有清晰区域并融合成一幅近似全焦图片 , 融合后的图片包含了被测石材大板表面的全部特征信息; 通过聚焦测度算子、高斯插值确定深度信息, 重构出被测石材大板表面三维轮廓, 得出量化的表面粗糙度数值; 与触针式轮廓仪测出的数值和轮廓线进行分析比较, 验证其精度和可行性。

通过分析特征点密度与物点聚焦程度的关系，建立基于特征点密度的聚焦测度。将融合特征点密度与边缘信息建立新的聚焦测度，利用聚焦堆栈数据实现场景深度的估计与全聚焦成像。对于由边缘信息建立的聚焦测度在图像纹理区域存在不准确性，该方法可以有效地弥补这一缺点。将刻画边缘信息的Sum-Modified-Laplacian(SML)方法与特征点密度函数相融合建立新的聚焦测度，用于三维场景重构，实现了场景深度估计和全聚焦成像算法。实验结果表明，新方法有效地剔除了SML在纹理区域估计错误的深度值，保留了SML在边缘区域的优势，得到了高精度的场景深度图及其全聚焦图像。

针对立体显微图像在同一位置双目清晰度不同的问题, 提出了一种体视显微镜聚焦一致的性判定方法。使用连通区域分割方法对不同深度标定板图像进行分割, 提取圆点中心, 选取清晰度评价区域; 使用聚焦测度对不同深度图像进行清晰度评价, 得到清晰度-深度关系曲线, 利用曲线拟合求取曲线峰值得出深度信息; 利用左右目圆点中心的三维坐标分别拟合出左右全聚焦平面, 通过测量左右全聚焦平面夹角以及评价区域中左右目圆点中心距离来分析聚焦性。结果表明, 能够有效地判定体视显微镜聚焦的一致性。