体视显微镜得益于其高放大倍数、可变焦等优点,被越来越广泛的应用在三维测量领域。使用显微测量系统对被测物体进行三维重构需要经历两个步骤:系统标定和特征点匹配,其中系统标定是三维重构的重要前提。然而,较短的景深限制了显微测量系统拍摄到具有足够倾斜角的图片,导致大部分传统标定算法无法使用。针对显微成像系统的这类特性,本文展开了以下相关研究:(1)提出了一种基于放大率的单目显微成像系统的标定算法。在小景深显微测量系统中,为了拍摄到清晰的图片以供计算机标定,必须使标定物和显微镜物镜的夹角尽量小。在这种条件下,本文提出了一种精确计算系统放大率的方法,并将放大率用于计算系统的旋转角、物距和像距,最终实现系统的标定,因为系统放大率的不变性,以此为基础的标定算法既稳定又准确。此外,为了解决从单幅图上无法得到系统的焦距信息的问题,引入了基于凸透镜成像定理的放大倍数法。通过仿真我们具体分析了本方法的误差范围,通过重构实验验证了本算法在标定时的精确性。本文提出的这一单目显微成像系统标定算法适用于可变焦显微测量系统,并且只需要拍摄一张标定板图片。(2)提出了一种基于BP神经网络的双目显微测量系统的标定方法,并针对异常点云提出了一种点云校正方法,实现了物体的高精度三维重构。传统算法中,双目系统被分解成两个单目系统分别标定,再被组合起来进行三维重构,这种做法需要针对两个单目系统分别建立成像模型、分析图像畸变,其过程繁琐复杂,并且标定出的参数无法体现出系统的整体性能。针对这一问题,本文将BP神经网络标和光栅投影双目显微系统结合,将双目显微测量系统作为一个整体进行标定。本文通过仿真和实验验证了此方法的可行性和精确性,并且研究了使用何种标定物才能正确标定,以及标定后系统重构的物体尺寸范围。此外,使光栅投影双目系统进行三维重构时,物体表面反射率异常是导致重构错误的主要原因,针对这个问题,本文使用BP神经网络标定由附加投影仪和原始相机组成的点云校正系统,通过此系统校正了大部分错误点云。