光声成像(Photoacoustic Imaging,PAI)技术是国际上一种新兴的无损、在体生物医学成像方法,其融合了纯光学成像高对比度以及纯超声成像高分辨率的优点,在癌症和心脑血管疾病的早期诊断中具有重要的应用价值。光声成像的本质是一种热声成像,通过结合一定的图像重建算法将接收到的超声信号反演成生物组织内部的初始光声压分布图像。当前,已有许多方法用于光声图像重建。但是,传统方法所得到的光声图像大都是光吸收累积图像,而真正与疾病紧密相关的是生物组织的光学吸收系数以及根据光学吸收系数得到的氧饱和度和氧代谢等各种参数。因此,在实际应用中恢复组织吸收系数具有重要意义,相应的成像方法称为量化光声成像。目前,大多数的量化光声成像方法都是基于数值仿真实验开展研究或者对较浅表面组织进行的活体量化成像。特别的,在限制视图数据采集模式下,针对深层生物组织进行量化成像时,得到的光声图像会存在明显的重建伪影,直接影响量化重建图像的正确性。另外,在现有的光声图像重建算法中,为了获得高质量的光声图像,需要超声传感器的阵元密集排列,这会直接增加系统成本和数据采集量。由于在计算机断层扫描(Photoacoustic Computed Tomography,PACT)中使用的激光重复频率较低(通常为10-20Hz),这将导致更长的数据采集时间。稀疏采样是克服上述问题的有效方法。然而,在当前稀疏采样PACT重建模型中,使用的稀疏变换通常是预定义的,它们不能充分捕获特定数据集的信号特征,这些问题将会限制高质量光声图像的重构。本文将针对上述两个问题进行研究,提出了两种方法,主要工作和贡献如下:(1)针对限制视图数据采集模式下深层生物组织的量化成像问题,提出了一种基于改进固定点迭代方法的深层活体量化光声成像方法。首先,基于维纳滤波去除原始重建光声图像伪影;然后,通过光传输模型求解目标成像区域的光通量;最后,进行迭代计算,获得目标组织的光学吸收系数分布。此外,在求解光通量过程中引入了TOAST++软件,实现光传输模型的前向求解,提高了量化成像的效率和精确性。实验结果表明:本文提出的方法,降低了重建得到的深层量化光声图像中的伪影,量化重建的深层目标组织的光学吸收系数数值与浅层目标组织的光学吸收系数数值非常接近,实现了深层生物组织光学吸收系数的定量重建。(2)针对稀疏采样模式下的光声图像重建问题,提出了基于字典学习的三维光声图像重建方法。首先,从3-D成像区域中选择约5%的帧进行完全采样,利用传统的反投影算法进行重建,并将重建好的光声图像数据组合成训练数据;其次,通过K-SVD算法,基于训练数据计算得到字典;最后,通过迭代优化过程实现每一帧光声图像的字典重建,并合成3-D光声图像。本文算法通过将字典学习技术融合到图像重建的迭代过程中,有效抑制了重建光声图像中的欠采样伪影。实验结果证明:本文提出的方法,有效提高了重建光声图像的准确性和对比度;且本文方法仅需要稀疏的超声阵列,直接降低了系统成本,提高了数据采集速度。