1、電學(xué)層析成像技術(shù)是一種無損可視化測(cè)量技術(shù),該技術(shù)具有響應(yīng)速度快、非侵入、可獲取二維／三維分布參數(shù)信息等優(yōu)點(diǎn),在醫(yī)學(xué)及工業(yè)測(cè)量等領(lǐng)域具有廣闊的應(yīng)用前景。
　　 電學(xué)層析成像圖像重建算法的精度決定了該技術(shù)的成功應(yīng)用,而電學(xué)層析成像敏感場(chǎng)的‘軟場(chǎng)’特性及有限的投影數(shù)據(jù)決定了圖像重建算法的精度,本論文對(duì)上述兩方面問題進(jìn)行了深入研究,以提高電學(xué)層析成像的重建圖像精度,主要工作及結(jié)果如下:
　　 1.醫(yī)學(xué)監(jiān)護(hù)用電阻抗層析成像系統(tǒng),由

2、于人體結(jié)構(gòu)的復(fù)雜性,其重建圖像的精度不高,針對(duì)人體對(duì)象電導(dǎo)率分布變化較慢的特點(diǎn),研究了基于靈敏度系數(shù)矩陣更新的 Landweber迭代圖像重建算法,以期提高重建圖像精度。靈敏度系數(shù)矩陣更新時(shí)的初始圖像由 Landweber迭代法獲得,對(duì)采用不同迭代次數(shù)的初始圖像進(jìn)行靈敏度系數(shù)矩陣更新的效果進(jìn)行了比較,并且對(duì)靈敏度系數(shù)矩陣的更新次數(shù)進(jìn)行了分析,仿真及實(shí)驗(yàn)結(jié)果表明,該方法能有效提高圖像重建精度。
　　 2.驅(qū)動(dòng)模式是指施加激勵(lì)電流或

3、電壓的方式,EIT的相鄰電極電流驅(qū)動(dòng)模式導(dǎo)致電流集中分布于管壁,管道中心電流密度相對(duì)較小,致使管道中心物體的成像質(zhì)量差。本文針對(duì)16電極 EIT系統(tǒng),采用統(tǒng)一的相鄰電壓測(cè)量模式,依據(jù)其結(jié)構(gòu)對(duì)稱性,研究了8種電流驅(qū)動(dòng)模式,并對(duì)不同驅(qū)動(dòng)模式的等勢(shì)線分布、獨(dú)立測(cè)量數(shù)、測(cè)量電壓的動(dòng)態(tài)范圍、邊界測(cè)量電壓的敏感性、重建圖像質(zhì)量進(jìn)行了比較,經(jīng)過對(duì)各指標(biāo)的綜合考慮,選取模式7為較優(yōu)的驅(qū)動(dòng)模式。
　　 3.對(duì)電容層析成像的電容歸一化模型進(jìn)行了深入

4、研究,提出了基于混聯(lián)模型及電力線分布的靈敏度矩陣計(jì)算方法,基于該靈敏度矩陣及混聯(lián)模型,導(dǎo)出了具有最佳迭代因子的 Landweber迭代算法,仿真及實(shí)驗(yàn)結(jié)果表明,該算法重建圖像邊緣清晰、保真度高,并能較好地區(qū)分多個(gè)物體。
　　 4.電學(xué)層析成像是一個(gè)典型的非線性映射問題,小波神經(jīng)網(wǎng)絡(luò)結(jié)合了小波變換的局部化性質(zhì)及神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力,具有較強(qiáng)的函數(shù)逼近能力和容錯(cuò)能力,收斂速度快。本文提出了基于小波神經(jīng)網(wǎng)絡(luò)的電容層析成像圖像重建算法,