过程层析成像(PT)技术是近年来飞速发展起来的一门新技术,该技术在解决多相流检测问题上具有巨大的发展潜力和广阔的工业应用前景。电容层析成像(ECT)作为一种应用在多相流在线监测领域的层析成像(PT)技术具有非侵入,无辐射,应用部署简单等特点。在化工、石油、炼油、冶金、电力、轻工、环保及核能等国民经济行业中有着广泛的应用前景,是近些年来国内外发展最快并且关注程度最高的一种PT技术。图像重建算法是ECT系统研究的关键技术,是改善图像重建质量的重要因素。图像重建是通过有限个电容测量值去重建介质在检测区域内的介电常数分布图,即求成像区域内各象素的灰度值,是一个非线性﹑不适定的逆问题。本文讨论了应用在ECT图像重建中的传统线性算法的求解局限性,介绍了神经网络算法在ECT图像重建中的应用。神经网络出色的非线性映射能力和联想记忆功能可以较好的解决ECT中电容测量值远小于图像像素点灰度值这一不适定问题,用神经网络算法求解电容层析中的反演问题显示了神经网络在此领域中广阔的应用前景。本文选择BP神经网络作为神经网络的代表应用在ECT图像重建算法之中,在阐述BP神经网络的基本原理的基础上,研究了基于BP神经网络的图像重建方法。BP神经网络是一种局部逼近的神经网络,理论上只要足够多的神经元,BP神经网络就可以逼近任意精度的连续函数。基于BP神经网络的重建图像方法实质是用BP神经网络建立电容测量值到图像灰度值的映射关系模型。本文在BP网络的基础上对BP网络算法进行改进,使得收敛速度得到进一步加强,并在Matlab环境下对所研究的图像重建用BP神经网络进行训练,通过有限元法获得训练所需要的训练样本集。仿真结果表明,基于BP神经网络的图像重建算法与常用的实时图像重建算法反投影法相比,重建质量明显优于反投影法。