电容层析成像技术(Electrical Capacitance Tomography,ECT)是过程层析成像技术的一个分支,可应用于工业密闭管道的多相流检测及精密测试领域的计量和分析。ECT具有成本低、非辐射、响应速度快、结构简单和非侵入等优点,对推动工业发展具有重要意义。近年来,由于计算机技术飞速发展,软硬件技术都得到数量级的提升,对管道内流体的可视化技术进一步的深入研究具有十分重要的理论意义和实际应用价值。本文主要围绕ECT系统流型辨识和图像重建展开深入的研究。论文主要工作如下:首先,针对ECT系统的三大组成结构分别进行分析。给出了ECT系统的数学模型以及灵敏度分布函数,基于图像重建原理对ECT系统展开分析,为论文研究提供理论依据。其次,基于传感器的对称结构,对采集的电容值进行分析,采用提取特征值方法降低输入参数的维数,并分析BP神经网络多前馈和拓扑结构,对传统BP神经网络进行改进,针对学习速率慢问题,提出自适应学习速率方案,针对容易产生局部极小值问题,提出附加动量方案。采用改进的BP神经网络算法进行流型辨识,效果理想.最后,针对图像重建精度不高的问题,本文结合近似共轭梯度追踪算法中追踪方向的优点,以及分段弱阈值共轭梯度追踪算法能够减少迭代次数的优点进行综合分析,采用谱投影梯度追踪算法对图像进行重建,并与线性反投影算法(Linear Back Projection,LBP)重建算法结果进行比较,通过误差和迭代结果可知,本算法重建效果良好。