随着制造业加工精度的不断提高，越来越多的产品向微型化和精密化发展。凹版作为凹版印刷的主要载体，工艺流程复杂，而现阶段主要通过人工控制质量，耗时、成品合格率低，且任何环节出现问题都会导致返工和成本增加。因此本论文运用机器视觉相关技术对凹版进行显微三维重建来替代人工，在保证成品合格率的基础上，提高效率、减少成本。凹版的金属高反光性、工艺设计的大幅面性和激光雕刻的高精度性等特点，导致对其进行显微三维重建存在很大挑战。本论文以凹版为研究对象，着重从克服金属待测物的高反光性角度探索高反光大幅面样本的高精度和高效率显微三维重建方法。　　为了克服结构光三维重建的噪声点多与激光共聚焦三维重建的时间长等问题，在保证重建精度的前提下，本论文探索出一种基于多景深融合模型的显微三维重建方法，该方法创新性的将三维重建任务转换为二维图像景深融合问题，实质是将点扫描的方式变为面扫描的方式，进而有效提升重建效率。围绕该方法进行一系列相关图像处理算法的研究，基于多景深融合模型的显微三维重建方法主要包括图像融合、图像匹配和迭代演化三个步骤。　　(1)图像融合，即对待测样本不同景深图像序列的融合。针对这个过程，提出一种基于自适应链接权重的多态脉冲耦合神经网络(Multi-channel pulsecoupled neural network，m-PCNN)与非降采样Contourlet变换(Non-subsampledContourlet transform, NSCT)的图像融合算法。算法首先对原始图像进行NSCT分解，得到一系列高低频系数。对于低频系数的融合，采用基于方差的排列熵算法，该算法比传统的权重平均与区域能量算法更能有效反映图像序列之间的微小变;对于高频系数的融合，首先提出一种量子混沌粒子群优化算法对m-PCNN的各参数进行优化，然后对m-PCNN的链接权重采用动态化方法，该链接权重由五个局部区域特征经过高斯归一化得到，最后利用高频系数的改进的拉普拉斯值驱动m-PCNN神经元，当所有位置点火后，将归一化后的内部变量作为模板提取所有图像序列的高频系数。高低频融合系数通过NSCT反变换得到初代融合图像。相比其他类型的融合算法，本论文得到的融合图像不仅可以保留更多的原始图像细节信息，而且具有较高的图像对比度。　　(2)图像匹配，即初代融合图像与图像序列之间的图像匹配。因为频域类融合算法无法定位融合图像中像素位置的信息来源，所以无法直接获取初代融合图像对应的高度信息。为了建立原始图像序列与初代融合图像之间的关联，提出一种基于互相关系数的局部图像匹配算法。该算法首先计算初代融合图像与各原始图像固定窗口的互相关系数，窗口大小以当前像素位置为中心，一定邻域为半径的局部图像确定;然后将互相关系数最大的图像作为融合图像对应像素的信息来源;最后将所有位置的最优结果进行合成，得到一幅以原始图像为基础的最优二次融合图像，同时提取对应位置的高度得到初代高度映射图。　　(3)迭代演化，该过程主要是为了消除图像匹配过程中出现的错配点。在这个过程中，为了同时满足目标图像的高频部分与初代融合图像的高频部分的一致性，和目标图像与原始图像序列内容上的相似性，定义了一个能量泛函模型，该模型的极小化过程保证二次融合图像收敛于初代融合图像，同时初代高度映射图按照相同的方式演化，迭代结束即完成三维重建。　　将本论文提出的基于多景深融合模型的显微三维重建方法应用于凹版大幅面三维快速检测系统中，相比激光共聚焦三维重建方法，本论文的显微三维重建方法的高度测量相对误差在5％左右，宽度测量相对误差在3％左右，重建时间提升60％左右，三维重建结果不仅符合待测样本真实的物理形貌，而且在一定程度上反映了待测样本表面的粗糙度信息。上述结论表明本论文的显微三维重建方法在保证重建结果具有较高精度与较好抗噪性的基础上，提升了重建效率，且该方法对硬件的依赖程度较低，具有较好的扩展性和通用性，未来可以应用于更多的工业领域。