超声成像是目前临床医学治疗中使用最为频繁的医学成像手段,具有实时性以及便携性,在成像技术中占据了最主要的地位。超声成像技术,尤其是B型超声,为医生进行临床医疗诊断带来了很大的帮助。临床常用的台式B超诊断设备体型较大且价格不菲,而且仅仅适用于临床诊断场景,无法在事故发生的现场以及患者家中进行诊疗操作。近年来嵌入式技术的飞速发展,催生出了一系列便于携带的便携式超声诊疗设备,可以灵活地运用于各种复杂的诊疗场景。但同时便携式的诊疗设备体积大幅度减少,导致便携式超声诊断设备最终生成的超声图像质量有所欠缺,夹杂着许多噪声,其中包括一定的电磁干扰噪声以及背景噪声。本文基于这个背景,对低分辨率的超声图像展开了超分辨率重建研究,以帮助医生能够使用便携式超声设备进行更加精准的病情诊断。本文主要研究基于生成对抗网络的超声图像超分辨率重建问题,主要贡献如下:1)现有的超分辨率重建模型大多适用于自然图像,缺少针对于超声图像的研究,本文提出了一个能够适用于超声图像的基于生成对抗网络的超声图像超分辨率重建模型,有效提升了由便携式超声设备生成的低分辨率超声图像的图像质量。2)本文为了合成出更适用于超声图像的退化过程,提出了一个超声图像的高阶退化模型,并使用sinc滤波器来模拟超声图像中常见的振铃和过冲伪影现象,同时构建了一个含有高分辨率与低分辨率超声图像匹配对的超声图像数据集用于训练模型。3)针对超声图像的研究需要解决比自然图像更加复杂的图像退化空间,现有的判别器设计不再适用于这样复杂的情况,本文利用具有频谱归一化功能的U-Net判别器来提高判别器的鉴别能力并同时保证训练的动态稳定性。