在上世纪80年代末,英国曼彻斯特大学研究人员提出了一种新的计算机层析成像技术──电容层析成像技术,该技术具有成本低、适用范围广、结构简单、非侵入、安全性能好等优点,成为目前流动层析成像技术发展的主流和研究热点。在电容层析成像技术中,图像重建算法是电容层析成像技术中检测多相流各种参数的关键,为解决多相流的多参数可视化测量问题提供了一个可行的方法。本文以BP神经网络为基础进行图像重建并行机制的研究。本文针对BP神经网络在训练过程中存在收敛速度慢和容易陷入局部极小值的问题,提出了基于BP神经网络图像重建机制的SA-BP算法。首先,在BP神经网络的权值调整公式中加入动量项,并且采用自适应方法调节学习率,从而提高神经网络的收敛速度。其次,当神经网络陷入局部极小值时,利用模拟退火算法指导神经网络的训练使其跳出局部极小,最终找到全局最小。由于神经网络本身具有并行性,本文选择并行BP神经网络进行ECT的图像重建。文中首先介绍并行算法思想,在比较结构并行和数据并行两种划分策略之后,选择数据并行方式进行ECT图像重建并行实验。其次,介绍了网格计算原理以及构建网格平台的工具GT4。在实验过程中,对神经网络进行了详细设计和分析,利用有限元分析法获取了大量实验数据。最后,在构建好的网格平台上,利用本文提出的SA-BP算法针对四种典型流型进行训练,生成目标网络,并将实验结果与其它两种典型的ECT图像重建算法进行对比分析。实验结果表明,基于SA-BP算法的并行图像重建在速度和精度上都有一定程度的提高。