当前,作为重要医学检测手段的超声成像,其点扩散函数(PSF)具有空间移变性,其估计方法已引起了国内外学术界广泛关注。由于还没有找到描述超声成像系统PSF合适的模型,在超声图像复原中,研究者们普遍采用同态滤波方法来估计PSF,但该方法不可避免会遇到斑点噪声和相位模糊问题。本论文利用Field Ⅱ超声仿真平台讨论了B型超声成像系统PSF特性,利用反向滤波的思路引入多输入/输出逆定理(MINT)模型,优化了参数,从而找到一种较高精度估计PSF的方法,主要工作如下:首先,介绍研究目的及其国内外现状。使用估计的PSF进行复原处理以获取清晰的超声图像,进而辅助医生对病变的组织与器官做出精确的诊断。由于提高了超声成像的质量,就可以把超声诊断纳入到特定疾病的诊断分期中。其次,介绍超声成像退化及其复原概念。超声成像的退化过程本质是卷积过程,与之相反,复原过程就是解卷积的过程。同时针对超声成像PSF的空间移变特性,采取分段估计的方法。最后分析超声成像PSF估计的经典方法同态滤波法以及该方法的斑点噪声和相位模糊问题。然后,利用MINT模型讨论超声成像系统PSF的估计新思路。借助单输入多输出(SIMO)模型,利用反向滤波的思路,使用MINT模型来估计PSF。新算法通过采用区域分块的思路对射频回波数据(RF-data)进行分块处理同时优化了新算法的参数实现了成像系统PSF的精确估计。最后,利用Field Ⅱ仿真程序和真实的超声数据验证了PSF估计算法的有效性。首先,以Field Ⅱ仿真的PSF作为标准,对比同态滤波和基于MINT模型的新算法估计PSF的精度。然后,针对真实的婴儿小肠退化后的RF-data,分别采用同态滤波的方法和新算法估计PSF,然后采用L-R算法来恢复图像,比较恢复图像的质量。结果表明,基于MINT模型方法估计出的PSF相比于同态滤波法更加接近于真实的PSF。