显微图像融合是图像融合研究中一类具有代表性的问题,是解决显微成像景深有限的有效方法,可有效提高图像信息的利用率和系统对目标探测识别的可靠性。本文重点研究了显微图像融合算法,针对现有融合算法对显微厚样本序列图像融合效果不理想的问题,提出了两种新算法。本文首先利用小波分析良好的时频局部化特性及分解的非冗余、方向性,以小波变换方法为基础,提出了一种基于Log-Gabor滤波的小波显微图像融合算法。该算法利用区域Log-Gabor滤波方法设计尺度系数的融合规则,既使融合后的图像不会产生块效应,又避免了以往的小波融合法造成的过度模糊现象。文中还讨论了相关参数的设置对融合结果的影响并与其他融合算法进行了对比实验,验证了该算法的有效性和优越性。本文还提出了一种基于二维经验模态分解的显微图像融合算法。该算法基于全新的全二维多尺度分解结构,具有完全数据驱动的自适应性,无需人为进行参数的选择,且具有更强的细节获取能力,并且反映显微图像独特的视觉意义,更多地保留了源图像的聚焦信息,运用主成分分析方法和绝对值最大或局部显著性准则进行分解后各成分的处理,使得融合后图像的质量得到提高。经过对比实验验证了该算法的融合质量要优于现有算法。