相较于其他医学成像系统,超声成像系统具有无辐射、造价低、灵敏度较高和可携带等优点,但超声图像分辨率和对比度往往很低,并且含有斑点噪声,大大限制了其临床使用本论文将Krishnan的算法应用于按深度分块的医学超声图像,通过改变Krishnan的算法点扩散函数初始化和迭代方式,形成了一种基于自然图像先验的医学超声图像复原算法,实验证明改进后的算法复原效果较好。本论文的主要工作如下:首先介绍了本文的研究意义和研究目标,分析了超声图像复原和正则化算法的国内现状。其次介绍了医学超声系统成像原理、图像复原基本理论、正则化概念、图像质量评价指标相关概念,介绍了超声仿真软件Field II。分析表明,超声图像的灰度梯度也符合自然图像的重尾分布,将Krishnan提出的稀疏正则化盲复原算法用来提高超声图像质量具有可行性。本文建立了点扩散函数具有空间移变性的图像退化模型,系统分析了Krishnan的稀疏正则化盲复原算法的影响因素,针对超声图像讨论了最优参数组合。重点讨论Krishnan的算法改进:针对超声成像系统点扩散函数具有空间移变性,将医学超声图像在深度方向上进行了大小合适的分块复原;针对超声成像系统不同深度相邻点扩散函数具有相似性,改变了Krishnan的算法中模糊核初始化方式,并用图像块间迭代的方式取代了金字塔迭代方式,从而得到了基于自然图像先验的医学超声图像复原算法。最后,在仿真超声图像和真实超声仪器采集的图像上对算法进行了验证。结果表明,针对仿真超声图像,改进算法比原算法复原的图像分辨率增益提高了38.5%;针对真实超声图像,分辨率增益增加了约1倍;运行速度提高了约56%。