光学显微镜作为观测微观世界的有效手段,已广泛应用于生物医疗和科学研究。光学显微镜为了清晰成像,需要调整样本至成像系统的准焦面上,这个过程称之为调焦。传统显微镜调焦依赖人工手动,效率较低。随着光学成像系统发展,它与图像处理技术结合产生了全视野扫描成像技术(Whole Slide Imaging),简称WSI。该技术能自动完成图像准焦、采集和拼接,是一种有发展前景的显微成像方法。WSI核心是自准焦算法,即自动完成调焦、令成像清晰的算法。自准焦算法的性能和速度影响了WSI的成像质量和效率。主流的传统自准焦算法包括对焦深度法和离焦深度法。对焦深度法需采集同一成像目标下的多张图像并处理,耗时长。离焦深度法虽只需要采集一张或者几张图像,但它依赖对离焦退化过程的精准建模,实际上该模型无法精确获取,故误差相对较大。针对现有自准焦算法的不足,本文提出两种和自准焦相关的新算法,具体如下:1)基于光学成像系统的正负离焦非对称性,设计了一个基于级联结构的深度自准焦网络。算法输入离焦模糊图像,输出当前成像位置与清晰成像位置之间的距离,也就是离焦距离。该算法利用正负离焦图像的成像性质差异,使用“先分类后回归”的思路,有效提高了自准焦算法性能。为了提高模型泛化能力,算法加入了通道注意力机制,并在训练阶段使用了通道归一化预处理策略和基于颜色通道交换的数据增广策略。实验结果表明,算法误差小于当前最好的单张图像自准焦算法,泛化能力更强,且和传统方法相比,速度更快。2)基于本文的级联深度自准焦网络,提出了一个基于预准焦策略的图像去模糊网络,输入离焦模糊图像,输出清晰图像,是广义上的自准焦算法。算法首先使用预准焦策略限制样本离焦距离,降低去模糊难度。为了增强去模糊能力,在算法中加入了通道注意力机制、残差学习策略和基于离焦距离的权重损失函数。实验结果表明,该算法的去模糊效果优于已有的先进去模糊算法,不影响成像质量的前提下,将离焦模糊图像变清晰。且该算法无需移动机械装置,速度更快,能对大量样本快速清晰成像,适用于成像速度要求较高的领域。