显微镜作为人类观察显微世界的重要光学工具,起着不可替代的作用。为了获取清晰的显微图像,人们通过手动调节显微镜焦距来实现。这种纯手工的方式效率低,而且会带来误差。自动聚焦技术能够消除人工误差,并且能够通过程序准确地寻找最佳聚焦位置。然而自动聚焦技术存在搜索步骤繁琐,过于依赖评价函数值,且容易受到局部极值影响的问题。此外,由于显微镜本身有视野狭窄的特点,如何获得清晰的全景图成为当前研究的热门问题。本文以自动显微操作系统为平台,重点对显微图像的自动聚焦和图像拼接方法这两个技术进行了研究。本文具体研究内容如下:1、本文在已有的硬件基础上,对自动显微操作系统软件进行了二次开发。借助硬件厂商提供的开发工具用现有的编程软件设计了一个能够实现显微图像采集功能的软件平台。该平台能够对显微图像进行自动扫描、自动聚焦、图像预处理和存储等一系列功能,基本实现了一个显微操作软件所需求的基本功能。2、自动聚焦方面,本文分析研究了自动聚焦中常用的聚焦评价函数和聚焦搜索算法。对于聚焦评价函数对不同种类样本图像适用性不强的问题,将时域中的梯度能量评价函数和频域中的离散小波变换法经过加权组合形成一种新的聚焦评价函数。对于经典爬山搜索算法搜索步数多,容易受到局部极值点影响的问题,本文基于SOM(Self-Organizing Maps,SOM)自组织映射神经网络设计了一种新的显微图像自动聚焦方法,将训练样本输入到神经网络进行训练,并结合了PSO(Particle Swarm Optimization,PSO)粒子群算法加速训练过程,训练后的神经网络能够对待测样本进行分类识别,预测最佳聚焦位置,然后采用爬山搜索算法进行微调直至找到准焦点位置完成自动聚焦。实验结果表明,该套聚焦方案有效解决了自动聚焦效率慢,抗噪性能差的问题。3、图像拼接方面,本文分析研究了几种经典的图像特征提取算法,并分别进行实验验证。着重研究了SIFT(Scale-invariant Feature Transform,SIFT)算法。对于SIFT算法计算量大、运算时间长以及误匹配的问题,本文对SIFT算法的特征描述符进行改进,采用变换加权的方式对描述符作降维处理,并结合PCA(Principal Component Analysis,PCA)主成分分析法,对改进后的SIFT算法进行二次降维。实验结果表明,改进后的算法依然具有尺度、光照和旋转不变性,特征提取信息较全,有效地降低了误匹配率,减少了运算时间,提高了图像配准的效率。最后本文采用帧到帧图像拼接方式,运用加权平均法对采集到的聚焦清晰的显微图像进行图像拼接实验。实验最终获得无明显缝隙的平滑的全景显微图像。