迭代收缩阈值算法（ISTA）求解离焦深度恢复动态优化问题时，采用固定迭代步长，导致算法收敛效率不佳，使得重建的微观3D形貌精度不高。为此，提出一种基于加速算子梯度估计和割线线性搜索的方法优化ISTA——FL-ISTA。首先，在每一次迭代中，由当前点和前一个点的线性组合构成加速算子重新进行梯度估计，更新迭代点；其次，为了改变迭代步长固定的限制，引入割线线性搜索，动态确定每次最优迭代步长；最后，将改进的迭代收缩阈值算法用于求解离焦深度恢复动态优化问题，加快算法的收敛速度、提高微观3D形貌重建的精度。在对标准500 nm尺度栅格的深度信息重建实验中，与ISTA、快速ISTA （FISTA）和单调快速ISTA （MFISTA）相比，FL-ISTA收敛速度均有所提升，重建的深度信息值下降了10个百分点，更接近标准500 nm栅格尺度；与ISTA相比，FL-ISTA重建的微观3D形貌均方差（MSE）和平均误差分别下降了18个百分点和40个百分点。实验结果表明，FL-ISTA有效提升了求解离焦深度恢复动态优化问题的收敛速度，提高了微观3D形貌重建的精度。