光声成像是一种利用物体光声效应而产生的光声信号来重构图像的成像技术。由于结合了光学和声学成像的优势,光声成像技术兼顾了高成像深度和高分辨率的特点,且非侵入式检测的方式有着良好的生物安全性,使其广泛应用于生物医学领域。光声断层成像和光声显微镜是两种典型的成像手段。光声显微镜系统可以对生物组织的微血管进行高分辨率成像,其分辨率可以达到微米以至亚微米级,具有检测微血管相关病理问题的潜力。目前面临的问题是,来自深部组织的光声信号较弱导致信噪比(SNR)很低,本文通过信号处理的方法提升图像的质量,并且通过算法处理后可以减少光声成像系统使用的激光辐射量,在低辐射能量的环境中可以使得检测足够安全。因此,在低SNR条件下,对图像进行降噪处理具有重要意义,可以增加成像深度,降低激光使用剂量,提升光声成像系统的性能,并且在安全性增加的同时,丰富了光声成像的应用场景。本文提出了非负约束脉冲分解算法,从理论上证明了该方法对信噪比的提升有显著效果;随后通过OR-PAM和AR-PAM两个系统分别进行了仿体和活体动物的实验验证;最后结合了Hessian矩阵多尺度融合的血管增强方法,提取出完整的微血管结构信息,对脉冲分解算法增强光声图像的效果进行定量评估。当脉冲基函数的中心频率与系统的频率一致时,该算法达到最好的降噪效果,使得图像的对比度从2.68提高到3.89。