电容层析成像技术ECT(Electrical Capacitance Tomography)是一种用于测量管或容器中的空间介电常数分布信息的方法。由于具有非入侵感测,快速响应,易于携带,成本低等出色优势,已被应用在许多其他领域。目前,ECT成像过程中的难点主要集中在图像重建算法的设计以及在不同环境情况下的选择和使用。针对该类问题,本文主要从以下几个方面进行研究。首先针对基于12电极的ECT成像系统,阐述了ECT成像的系统结构、数学原理和重建模型,深入分析了ECT的正问题和逆问题。研究了ECT中数据归一化处理的方法,对常见的图像重建算法进行了原理分析和优缺点比较,并搭建了实验的仿真环境,采集实验相关数据。其次针对由于标准灵敏度矩阵非线性化问题导致的图像模糊和效率低的问题,提出一种使用基于滤波技术的K-均值聚类算法,通过K-均值聚类算法改进标准灵敏度矩阵。同时使用阈值滤波技术,限制管道内各投影方向上灵敏度的取值范围,提升低灵敏度区域的相对敏感度。实验验证了该方法的有效性并得出结论,该方法适用于实时快速成像,清晰判断管道内介质分布的场景。最后针对复杂情况下,由正则化求解逆问题时先验信息的不足导致成像精度不高的问题,提出一种基于极端学习机的正则化图像重建算法,在极端学习机原理的基础上做出改进,通过改进后的极端学习机预测模型获取目标领域的先验信息。构造新的成本函数封装先验信息,并引入了空间正则器和时间正则器以增强先验稀疏性,融合了Bregman分裂算法和FIST技术组成新的数值方法求解成本函数获得最终成像结果。仿真实验验证了算法的有效性并得出结论,该算法适用于要求高精度还原管道内多相介质分布,不要求实时成像的复杂场景。