本文主要介绍图像复原技术及其在超声图像处理中的应用。复原退化图像的方法很多,但很多图像复原方法都只是理论上的讨论,能运用到实际工作中的模糊图像复原方法却很少。论文中对图像复原的基本方法进行了详细的阐述,然后利用在频率域的正则迭代算法对几幅离焦模糊图像进行了复原;同时,还介绍了B型超声成像的基本原理,分析了B 型超声图像成像质量不高的主要原因,然后利用维纳滤波解卷的方法来提高B 型超声图像的横向分辨率。　　在频率域采用正则迭代复原算法对离焦模糊图像进行复原,由于采用了快速傅立叶变换算法和将一个空间域巨型迭代矩阵显著地简化为一个在PC机上可以接受的频率域迭代矩阵,同时在空间域的迭代过程中,矩阵相乘在频率域转化为对应元素的乘积,这样就可以极大地节省内存和减少运行时间,从而加速了迭代过程的收敛。本文是在假定知道离焦模糊图像的散焦半径的情况下进行的,当不知道离焦模糊图像的散焦半径时,在搜索最佳迭代的过程中,可以将散焦半径作为一个变量看待,这样会显著增加计算量和延长收敛时间,但由于在频率域一次迭代的时间并不长,从而使得将离焦半径作为一个变量来搜索最佳值得算法是可行的。另外,我们将图像灰度梯度向量模方和作为离焦模糊图像的清晰度评价函数,详细讨论了该评价函数与离焦模糊图像及其复原过程的关系。　　超声B 型扫描成像是以A 扫为基础的一种灰度调制性显示方法　(Brightness　Modulation　display)　,B 扫所得到的是与声束传播方向垂直的物体截面图像,可以显示垂直于探测面的缺陷形状和大小。但是目前的B 超声图像所展示的器官和组织的范围很小,而且图像的分辨率(特别是最重要的指标横向分辨率)较低,同时伪像也较多,这样在根据B 超图像进行病情诊断时,常常出现由于B 超图像模糊不清而错误诊断病情的情况,耽误了宝贵的治疗时间,造成严重的后果。因此,利用图像处理技术,对所获得的B 超图像进行处理,提高超声图像的清晰度,就具有十分重要的意义。目前,提高B 型超声图像的清晰度(主要是提高其横向分辨率)主要采用超声换能器阵列,利用动态聚焦技术和对获得的超声图像进行图像增强的处理方法。这些方法对提高B 型超声图像的清晰度有很大帮助,但有的场合,以上的一些提高B 型超声图像的清晰度的方法不一定适用。如在眼科B 型超声中,就不能采用换能器阵列,此时我们可以借用图像复原的技术,采用维纳滤