傅立叶红外（FTIR）显微成像技术是在红外光谱技术的基础上迅速发展起来的一项新兴的微区分析技术。与传统的可见光成像技术相比，FTIR显微成像技术的显著优势在于其测试过程中成像干扰小，不破坏样本基体，并且直观可视化。因此，近几年FTIR多光谱显微成像技术广泛应用于食品安全、药品检测、文物鉴定等领域。然而，一直以来由于软硬件条件的限制，使得数据分析方法和比对准确率受到了很大的限制，因此探求FTIR显微技术的数据采集及数据处理方法成为FTIR应用的重要研究课题。本课题研究中使用国际领先的Spotlight-400红外显微成像系统采集图像数据，并在此基础上探索多光谱图像特征优化融合方法，这在辅助病理分析及食品药品检测等领域有很高的学术价值和实际应用价值。文主要研究内容如下：首先，介绍了FTIR显微成像技术的基本原理及样品制备方法，并阐述了本文实验采用的国际领先的Spotlight-400光谱仪的技术指标和其红外成像特点，介绍了其强大的领先优势。接着，研究了多光谱显微图像的特征提取方法。重点研究了基于主成分分析的特征提取算法。并通过将化学计量学模型与模式识别基本方法相结合，提出了结合朗伯-比尔模型的PCA特征提取算法，通过实验结果分析证明了该方法的有效性。随后，研究了多光谱显微图像的融合方法。将当前流行的二维经验模态分解（BEMD）方法应用到多光谱图像融合中。本文根据显微多光谱图像融合的需要，综合考虑了图像的分解速度、图像的性质和融合后图像的质量等因素，针对二维经验模态分解中的几大主要问题，包括极值点的选取、包络面的插值、筛分停止准则以及数据边界问题的处理等进行了详细地讨论。然后，在充分考虑了显微图像的细节信息以及光谱特征的同时对分解后的图像进行融合。实验表明，与基于小波变换的融合方法相比，该方法不仅具有自适应性，而且融合后的图像更好地保留了光谱细节信息。最后，本文针对Spotlight-400采集的FTIR多光谱显微图像提出了一套有效的处理方法——基于主成分分析和BEMD的多光谱显微图像融合算法，从红外光谱分析与可视化多光谱数字图像处理相结合的全新视角，结合多光谱特征优化及融合方法，研究多分辨率阶层聚焦识别算法，定位感兴趣区域，从而突出FTIR显微多光谱图像的问题区域，得到信息丰富且感兴趣区域突出的融合图像。并通过兔子动脉切片和小麦种子切片两组实验验证了新算法的有效性。