电容层析成像（Electrical Capacitance Tomography,简称ECT）通过可视化管道或封闭容器内部物质分布以测量或监测流动过程参数,是一种应用两/多相流的无损成像技术。ECT系统具有非入侵、无辐射、操作简单等优点,具有较高的应用研究价值。主要工作内容如下:（1）采用了一种基于过完备字典的图像重建算法。根据图像稀疏表达原理重构ECT逆问题的最优化方程,直接建立观测电容与稀疏空间之间的非线性映射关系。通过仿真编程自动生成样本并利用K-SVD算法学习过完备字典,采用Landweber、Tikhonov、Newton-Raphson算法优化求解特征系数向量,进而获得介电常数分布。仿真实验设计了圆柱管两相流多流型分布,结果表明所提方法可以保证图像重建精度。（2）采用了一种基于反卷积网络的图像重建算法。逆问题的不稳定性和不适定性是需要图像重建算法攻克的主要障碍,该问题往往被转换成如何设计正则约束的最小化问题。两相流图像具有语义特征,两相流分布反映到截面图像的理想表现为边界分明的像素区域。将ECT重建过程视为语义分割问题,根据最近邻插值上采样和转置卷积分别设计了 2种反卷积网络模型,根据网络非线性拟合映射1维电容序列到2维灰图。通过管道ECT系统仿真建模验证所提方法比经典的ECT图像重建算法能更快速和更高精度成像。（3）采用了一种基于宽度学习系统的两相流型识别方法。采用人工特征与BLS网络融合的识别方法,提取了三种人工特征,分别是区域块的个数、区域块的圆形度和区域块的重心。设计了单人工特征与BLS网络融合、多人工特征与BLS网络融合方法探究不同人工特征对流型识别率的影响。通过仿真实验评估每种特征的贡献度以及验证所提方法预测两相流型的有效性。