在石油测井领域中,成像测井因其能生成带有裂缝、孔洞等井下信息的图像,成为解析井况的重要方法之一。成像测井中常用的技术有微电阻率扫描法与超声波成像法,其中超声波成像法具有仪器结构简洁、信号穿透能力强、井周覆盖率全等优点,得到了更为广泛的应用。该测井方法是使用换能器发射超声波到井壁,然后检测获取回波信号的到时、幅度数据并上传至上位机软件,通过上位机软件进行井壁图像的绘制。受井下环境影响和硬件设施限制,井周超声成像仪实际获得的测井图像质量通常较差,不利于测井人员进行解析。本文主要研究内容分为以下几点:（1）为提高测井图像质量,针对测井图像存在对比度偏低、细节信息不够清晰等问题,本文设计了一种基于深度学习的测井图像增强算法——基于高频特征加强的超分辨率重建算法,设计多尺度空洞卷积块作为网络的基础模块,并对高频特征单独进行加强训练,用于获得更全面的特征信息。将本文方法与该领域其他算法在测井图像数据集中进行对比,实验结果表明,本文算法能提高一定的客观指标并得到更好的图像细节。（2）为将算法落实在实际工程中,针对基于高频特征加强的超分辨率重建算法的网络模型计算量较大、所占存储容量较大等问题,本文设计了一种基于知识蒸馏的模型压缩算法,基于导师-学生架构蒸馏得到两种不同结构的学生模型,然后让两个学生模型互学习来增强它们的泛化性。实验结果表明,该方法将模型规模缩小为原模型的九分之一左右,且客观指标相比原模型有一定的提升。（3）为和井下测井电路进行交互,本文使用UML语言进行了需求分析,使用Labwindows/CVI平台设计开发井周超声成像仪上位机软件的用户界面和后台处理程序,具有通信、多种参数设置、在线下载、数据处理与图像显示、文件存储等功能,最后和井下测井电路进行联合测试。实验结果表明,该软件功能齐全、使用便捷,实现了高质量测井图像的直接呈现,便于测井人员进行分析。