由于显微系统中的光学镜头焦深有限，使得样本被放大的同时，只有焦深内的有限区域能够清晰成像。如何突破光学镜头焦深限制，得到放大的、超景深的显微图像，一直吸引着研究者的探究兴趣。多聚焦显微图像融合技术是解决这一问题的方法之一，它通过摄取多个聚焦不同的图像序列，以合适的算法将多层信息融合起来，以便操作人员了解观察材料的整体情况，做出更加准确的判断。　　 论文首先对图像融合技术现状、发展应用、研究现状和存在问题等作了概括介绍，对融合的一般结构和常见的几种融合方法进行详细的归纳总结，特别是针对基于小波域的图像融合法从低频子带和高频子带两个方面作了重点探讨。　　 在此基础上，论文提出了几种改进的图像融合算法。其中改进型小波融合算法对低频系数和高频系数进行不同的处理，前者基于PCA算法获取，后者利用图像块的能量自动加权获得。基于惯性矩的图像融合算法根据惯性矩——一种图像纹理分析的特征量作为清晰度判断准则，进行图像的融合，融合后的图像边缘清晰，对比度增强，图像质量有了明显改善，但算法复杂，耗时较长。基于自适应分块的图像融合算法充分考虑图像融合速度问题，运用自适应分块、简单梯度计算、积分图技术等手段，最大程度地缩短处理时间，提高效率，在其后的序列显微图像融合中得到很好的应用。　　 此外，论文还研究了图像质量评价方法。传统的图像质量评价法有主观评价法和基于单一指标的客观评价法。本文采用一种基于多因素的综合评价法，它能充分考虑到图像的结构信息、人眼的视觉特性以及融合图像包含源图像的信息量程度，使得对融合图像质量评价更为全面。　　 论文第六、七章重点对序列显微图像进行研究。第六章分析了显微成像机理和成像特点，通过实验来证明理论的准确性，用理论来引导实践。第七章实现了整个多聚焦序列显微图像的融合架构。序列图像融合过程主要包括图像配准和图像融合两步。图像融合采用第五章提出的基于自适应分块的图像融合算法。图像配准是本章研究的重点，采用的是一种新的基于全参数的多层金字塔图像配准法，比起传统的基于灰度配准法和基于特征配准法，更为准确有效，更适合处理序列图像的大量数据。　　 最后本文对所做的工作进行概括总结，对将来的工作提出设想和展望。