随着油气勘探开发向超深层-特深层不断拓展，随钻超声测井由于能实时提供高清井眼和地层图像，使钻井作业的安全性和精确性得到显著提升，从而受到越来越广泛的应用。然而，对于随钻超声测井，钻井过程中的周向采样率较低，随钻数据量较少，这将使得井壁成像的分辨率不高。基于此，本文提出一种先验知识引导下的超分辨率重建及修复方法，以实现超声测井图像的高分辨率重建及修复。该方法分为两个阶段，在图像重建阶段，设计了局部特征提取模块，用于深度挖掘测井图像的纹理特征。同时，将其学习到的纹理作为先验知识引导图像的超分辨率重建。而在图像修复阶段，提出并训练一个去噪扩散隐式模型来修复缺失的区域。在此基础上，构建裂缝语义分割感知网络，用于提取测井裂缝语义信息，并由此定义裂缝感知评价值，用于指导扩散模型的裂缝生成。实验结果表明，该方法重建的图像纹理结构清晰，并且引导生成的裂缝信息，符合裂缝实际情况，为后续的勘测和开发提供了准确的测井资料，推动随钻测井向超深井-特深井进军。

超分辨率重建及修复；随钻超声测井；知识引导；扩散模型