光学投影断层成像（Optical Tomography Projection，OPT）技术，利用光在透明介质中沿直线传播的特点，在光束穿透生物样本得到各角度投影图后，进行断层重建实现样本的三维成像。OPT技术主要用于1-10mm生物样本的成像，具有分辨率高、设备成本低、操作方便，既能进行结构成像又能进行分子成像等优点，很好的适用于生命科学领域小尺度生物样本的成像需求。但是，目前OPT技术受成像系统结构、光学景深、几何校正及样本形态等诸多因素限制，难以在多角度同时获取高分辨率投影数据，因此在OPT成像中亟需开展高分辨率重建技术的研究。　　本文针对OPT成像中分辨率不足的问题，利用自主研发的OPT成像系统，进行了OPT成像超分辨率重建的研究。本文主要研究工作有：　　1. OPT实验数据采集及图像超分辨率重建方法综述。利用OPT成像系统采集大量果蝇蛹、拟南芥角果样本在不同光源下的投影数据，作为 OPT超分重建的数据来源。对图像超分辨率重建方法进行了综述，详细介绍了几种基于深度学习的超分重建方法和相应的重建图像质量评价指标。　　2.基于仿真退化的OPT投影数据超分辨率重建。从OPT实验数据中选取大量清晰的投影数据作为高分辨图像，通过下采样产生低分辨率图像；然后采用基于深度卷积神经网络和基于机器学习的 A+方法学习高低分辨率对应图像块之间的映射关系，实现 OPT投影图像的超分辨率重建。实验结果表明在量化评价指标和主观视觉感受上超分重建后的图像都较直接插值的结果有明显提升。　　3.真实OPT系统的投影数据超分辨率重建。OPT系统采集同一样品在不同放大倍率下的投影数据，对不同放大倍率下同一投影角度的投影图像进行 ROI区域的图像配准，得到真实系统的高低分辨率投影数据的对应块。应用四种基于深度卷积神经网络的超分重建方法进行实验，实验结果显示在选择成像质量较好且进行高精度配准的投影数据作为训练集时，深度卷积网络学习到的映射关系指导的超分辨率重建能在数值上达到优于插值方法的重建结果。