随着计算机视觉技术的发展,为微观领域内的三维重建问题提供更多的研究方向,在此背景下,本论文基于聚焦法设计显微三维重建算法。本论文一方面对基于聚焦法的三维重建算法中原有的聚焦评价环节和多聚焦图像融合环节进行了算法上的改进;另一方面增加了深度优化环节来克服聚焦法在弱纹理情况下的缺陷。为提高聚焦评价函数评价的准确性以及对不同样本表面纹理情况的鲁棒性,本论文提出了一种基于非下采样轮廓波变换（Nonsubsampled Contourlet Transform,NSCT）的聚焦评价函数,从不同尺度和不同方向上对像素邻域内包含的纹理信息进行统计。接着对分解得到的高频信息根据不同尺度进行不同程度的低通滤波处理,将其纳入到聚焦评价过程中,最终得到待测样本的初始深度信息。更进一步借助该聚焦评价环节进行多聚焦图像融合环节的算法设计,利用聚焦评价环节中对图像进行NSCT分解的结果,计算生成全焦图像的掩模序列,通过掩模序列从多聚焦图像序列中提取并拼合其中的聚焦信息。实验结果表明,该融合算法同样具备对不同纹理情况的鲁棒性,且相比变换域内进行系数融合的方法更适合基于聚焦法的显微三维重建算法。为克服聚焦法在弱纹理情况下难以提取深度信息和全焦信息的缺陷,本论文借助计算机视觉技术中经典的马尔科夫随机场（Markov Random Field,MRF）和最大后验估计（Maximum a Posteriori,MAP）为模型表面构建能量函数,并利用以α Expansion Graph Cut算法为核心的迭代优化算法进行优化,最终得到利用MRF对深度信息修正后的结果。另外为对三维重建结果进行直观观测,本论文设计并开发了 Windows平台的三维显示软件,实现交互式地对三维重建结果进行显示。论文最后设计了多个实验对三维重建算法中涉及到的技术环节进行实验验证,实验结果表明本论文提出的三维重建算法能够有效且稳定地对不同纹理分布和深度分布的显微样本进行三维重建。