电阻层析成像技术ERT(Electrical Resistance Tomography)是一种断层层析成像技术。它是基于不同的媒质具有不同的电导率,通过检测电路检测出各电极板间的电导值,依据一定的图像算法重构物体电导率分布从而确定已知物场的媒质分布状况。ERT作为解决两相流参数测量和流型识别的一种有效手段,具有低成本、结构简单、非侵入式、安全和使用范围广等优点,已经成为目前流动层析成像技术发展的主要研究方向之一。本文针对电阻层析成像图像重建和流型辨识等关键技术问题展开研究,主要研究内容如下:详细介绍了ERT系统的组成及工作原理,给出ERT系统的数学模型,通过被测物场的数学模型分析了求解ERT正问题的方法,采用有限元方法建立了ERT系统敏感场数学模型,分析了均匀介质、离散介质和不同流型下敏感场分布的规律,为图像重建提供先验信息从而提高图像重建精度。针对于图像重建中存在的成像精度和速度慢的问题,提出一种多项式加速的电阻层析成像图像重建算法,给出算法的数学模型,并利用谱分析对该算法的收敛性进行了证明,并将其应用在电阻层析成像系统的图像重建中。针对ERT系统存在的“软场”效应和病态问题,基于敏感场矩阵的奇异值分解理论,提出一种加权SVD截断共轭梯度的ERT图像重建算法,给出算法的数学模型,完成算法的收敛性分析和证明。在分析神经网络的训练学习和优化原理基础上,提出一种基于Hopfield神经网络的图像重建的优化算法,完成了基于Hopfield神经网络图像重建算法推导,并将最小二乘方法得到的结果作为Hopfield神经网络的输入,进行训练学习和优化。针对ERT系统流型辨识问题,提出一种基于HMM模型的流型辨识方法,该方法采用基于MMC算法的完成特征提取,通过HMM模型训练完成流型识别。