光学相干层析术广泛应用于生物医学成像领域,但由于光学元件和被测样品引入的像差降低成像质量,导致细节信息丢失。传统像差校正方案采用硬件补偿方法,存在系统结构复杂,器件昂贵等问题。计算校正方案采用数据后处理方法,无须增加硬件成本,但需获知成像系统具体参数,存在过程繁琐,像差校正类型有限以及评价函数的选取具有局限性等问题。本文针对如何低成本地快速校正多种像差问题,在建立像差校正滤波器及构建像差计算校正算法等方面进行了深入研究。首先分析光学相干层析术成像原理及主要参数,以此为基础研究像差来源及影响,建立基于计算自适应光学的像差校正模型。利用反向传播优化算法的快速收敛能力及粒子群优化算法的限制条件少等优势,构建能够同时校正多种类型像差、选择评价函数不受约束条件限制、可以有效收敛的像差计算校正反向传播粒子群优化（BPSO）算法。采用分辨率板作为目标图像,分别加载离焦及低阶混合波前像差,选择图像信息熵和清晰度作为综合评价函数进行数值模拟仿真,复原结果误差RMS值均小于0.1λ,仿真验证像差计算校正BPSO算法的可行性。分析影响校正效果的不同像差类别与量值、迭代次数等因素,并通过仿真结果分析算法鲁棒性。以葡萄、洋葱组织为实验样品,在谱域光学相干层析实验系统上开展实验,葡萄组织图像经校正像差后,图像清晰度从4.70上升到8.40,相较于校正像差前,上升78.72%;洋葱组织图像经校正像差后细胞组织清晰可见,图像信息熵由5.74下降到4.16,下降27.5%,验证本文像差计算校正BPSO算法可有效提高光学相干层析术成像质量,在医学检测方面具有较强的应用前景和价值。