金相显微图片是为科研工作者进一步准确分析金属材料微观组织结构服务的,例如分析新型金属材料的组织成分及检测金属产品的质量等等。随着科研深入的需求,科研工作者希望获得高分辨率、大视场的金相显微图片。而目前获得高分辨率金相显微图片的显微镜采用的是大数值孔径、高放大倍数的成像物镜,此类物镜的景深很小,采集图片时容易发生离焦现象。同时,此类物镜所能提供的视场较小,普通显微镜难以达到这一要求,不能满足实际的科研需求。鉴于此,本课题所研究的图像融合和图像拼接技术具有重要的理论意义和应用价值。通过改进图像融合和图像拼接技术,能够提高显微成像技术,获得更好的全局清晰图片。主要研究内容如下:1.通过对高分辨率金相显微镜成像原理,脉冲神经网络及小波—Contourlet原理的深入研究,引入了一种基于脉冲神经网络及小波—Contourlet的图像融合算法。2.通过对显微图片特征、surf特征点检测法与相位法相关法的进一步研究,引入了一种结合surf特征点检测法与相位相关法相结合的图像拼接方法。3.通过设计搭建图像采集实物平台,验证了本论文所提出的图像融合和图像拼接创新算法的先进性和正确性。4.将本文的研究成果,初步应用到作者所在实验室自主研发的高分辨率的具有平场半复消色差镜头的商品样机JX—4型全自动正置金相显微镜上,使其金相显微图片分辨率提高,扩大了其成像视场,提高了JX-4的整体成像性能。经过两年多的研究工作,深入了解了金相显微镜的成像原理,并掌握了图像融合和图像拼接技术的基础理论知识。基于以上的研究,改进提出了图像融合和图像拼接的创新算法。经过实验有力地验证了:本论文所改进的图像融合和图像拼接算法具有一定的先进性和准确性,能够提高金相显微镜的显微成像技术,并为商品样机的进一步开发奠定了坚实的基础。