定量相位成像技术可以实现无标记、高精度、非接触式生物医学光学成像。其中衍射相位显微成像技术由于稳定的共路结构和紧凑的离轴方式,具有采集速率快、时间灵敏性高、抗干扰能力强等优点,已广泛用于细胞生物学和材料物理学的研究。然而,衍射相位显微成像仍存在一些成像质量问题有待解决。深度学习可以自主学习数据特征完成端对端映射,不仅计算效率高,并且为解决光学计算成像问题提供了高质量的解决方案。为提高显微成像质量,本文基于深度学习的方法对衍射相位显微成像质量优化展开研究。针对白光衍射相位显微成像中的光晕效应与基于衍射相位显微成像层析成像中的离焦问题进行了研究,分别设计了不同的深度神经网络模型实现质量优化。通过搭建新颖的模型架构,添加优化算法,调整网络超参数等,实现了深度神经网络模型的个性化设计,从而快速准确地提高显微成像质量。主要研究内容如下:1.根据衍射相位显微成像技术的基本原理,设计和组建了衍射相位显微成像系统。经过系统原理分析和干涉条件计算,得到了光学元器件和系统光路结构的相关参数,然后分析了干涉图采集的基本原理、介绍了相位像重建的过程和方法。2.针对白光衍射相位显微成像过程中出现的光晕效应,采用了自编码器(AutoEncoder)原理,搭建无光晕深度神经网络进行去除光晕效应的研究。在衍射相位显微成像系统的基础上,采用白光照射,以标准聚苯乙烯微球和血红细胞作为研究对象进行实验分析。设计了无光晕深度神经网络模型对微球样品测量得到的图像及其相对应的无光晕图像进行训练,并利用了不同的样品进行盲测,将所得结果与现有的光晕消除方法进行对比分析,证明了搭建的深度神经网络可以实现快速准确的光晕消除,提高成像质量。3.针对基于衍射相位显微成像的层析成像过程中由于样品转动产生的离焦问题,搭建了基于U-Net结构的深度神经网络进行自动聚焦的研究。在激光衍射相位显微成像系统上,加入样品转动装置,组成了层析成像系统。通过该系统采集了不同角度的普通单模光纤相位图作为研究对象进行实验分析。设计了自动聚焦深度神经网络模型对测量得到的聚焦图像和不同程度的离焦图像进行训练,并利用不同角度的离焦图像进行盲测。在所搭建的系统上重新连续采集了180张多角度下的普通单模光纤相位图,使用训练好的深度神经网络模型计算得到了自动聚焦的高质量相位图像。根据层析成像的原理,将处理后的二维相位像重建为三维图像,并根据样品结构参数建立标准的三维折射率分布图。通过将理论三维图像和搭建的深度神经网络计算后重建的三维图像作对比,证明了采用深度学习的方法可以显著提高三维成像质量。