电阻抗层析成像(Electrical Impedance Tomography,简称EIT)技术是近几十年新出现的一种无损检测技术。由于该技术具有无辐射、非侵入、响应快、结构简单以及成本低廉等优点,在医学成像、工业成像和地质勘探等领域具有广阔的应用前景。EIT图像重建问题是一个非线性的病态逆问题,且测量系统往往存在噪声,使重建图像中存在伪影,传统的图像重建方法对重建图像伪影的抑制能力有限。本文首先提出了浅层网络智能学习法,为了克服浅层神经网络的缺点,进一步提出了深度学习法。主要研究的算法如下:1.提出了基于Hopfield网络的EIT图像重建算法,详细介绍了该网络能量函数的建立、求解以及图像重建过程,并通过仿真和系统实验进行了有效性验证。2.提出了基于最速下降BP网络的EIT图像重建算法,详细介绍了该网络的正向传播和误差反向传播的过程,以及利用最速下降法建立EIT边界测量电压和电导率之间非线性关系的过程,通过仿真和系统实验验证了算法的有效性。3.提出了基于深度模型的EIT图像重建算法,详细介绍了 EIT深度学习网络的建立、初始化以及模型训练过程,并通过仿真和系统实验验证了该算法的有效性,证明了该方法能有效克服了浅层网络学习法中容易过拟合、对参数依赖性强以及对复杂函数表示能力有限的问题。4.提出了基于深度字典的稀疏成像方法,详细介绍了稀疏成像中稀疏系数的求解和用深度学习训练字典的过程,并通过仿真和系统实验验证了算法具有较好的保边缘性。本文提出的图像重建算法与传统的图像重建方法相比,能有效地抑制重建图像中伪影的产生,具有较强的保边缘性,进一步提高了重建图像的质量。