电学层析成像技术是一种无损可视化测量技术,该技术具有响应速度快、非侵入、可获取二维/三维分布参数信息等优点,在医学及工业测量等领域具有广阔的应用前景。电学层析成像图像重建算法的精度决定了该技术的成功应用,而电学层析成像敏感场的‘软场’特性及有限的投影数据决定了图像重建算法的精度,本论文对上述两方面问题进行了深入研究,以提高电学层析成像的重建图像精度,主要工作及结果如下:1.医学监护用电阻抗层析成像系统,由于人体结构的复杂性,其重建图像的精度不高,针对人体对象电导率分布变化较慢的特点,研究了基于灵敏度系数矩阵更新的Landweber迭代图像重建算法,以期提高重建图像精度。灵敏度系数矩阵更新时的初始图像由Landweber迭代法获得,对采用不同迭代次数的初始图像进行灵敏度系数矩阵更新的效果进行了比较,并且对灵敏度系数矩阵的更新次数进行了分析,仿真及实验结果表明,该方法能有效提高图像重建精度。2.驱动模式是指施加激励电流或电压的方式,EIT的相邻电极电流驱动模式导致电流集中分布于管壁,管道中心电流密度相对较小,致使管道中心物体的成像质量差。本文针对16电极EIT系统,采用统一的相邻电压测量模式,依据其结构对称性,研究了8种电流驱动模式,并对不同驱动模式的等势线分布、独立测量数、测量电压的动态范围、边界测量电压的敏感性、重建图像质量进行了比较,经过对各指标的综合考虑,选取模式7为较优的驱动模式。3.对电容层析成像的电容归一化模型进行了深入研究,提出了基于混联模型及电力线分布的灵敏度矩阵计算方法,基于该灵敏度矩阵及混联模型,导出了具有最佳迭代因子的Landweber迭代算法,仿真及实验结果表明,该算法重建图像边缘清晰、保真度高,并能较好地区分多个物体。4.电学层析成像是一个典型的非线性映射问题,小波神经网络结合了小波变换的局部化性质及神经网络的自学习能力,具有较强的函数逼近能力和容错能力,收敛速度快。本文提出了基于小波神经网络的电容层析成像图像重建算法,并使用主成分分析法对输入数据进行降维处理,仿真结果表明,该算法速度快,重建图像质量较高。5.从增加电学层析成像投影数据的角度出发,以电容层析成像为例,提出了电极的组合激励测量模式,研究了电极的不同组合方案,均可有效增加其投影数据,且未过多增加硬件开销,硬件实现灵活,仿真结果表明,采用电极组合激励测量模式的电容层析成像重建图像质量明显提高。