| 目录 | 第3-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 符号说明 | 第10-11页 |
| 1. 绪论 | 第11-22页 |
| 1.1 电阻抗成像技术简介 | 第11-12页 |
| 1.2 课题来源 | 第12页 |
| 1.3 电阻抗成像技术的发展历史及研究现状 | 第12-14页 |
| 1.4 电阻抗成像的基本原理 | 第14-18页 |
| 1.4.1 电阻抗成像的生物医学基础 | 第14-18页 |
| 1.4.2 电阻抗成像的数学描述 | 第18页 |
| 1.5 电阻抗成像技术的意义及应用前景 | 第18-21页 |
| 1.6 本文的主要工作及创新点 | 第21-22页 |
| 2. 电阻抗成像中的正问题 | 第22-31页 |
| 2.1 正问题的有限元解 | 第22-24页 |
| 2.1.1 有限元的理论基础 | 第23页 |
| 2.1.2 拉普拉斯方程的变分问题 | 第23-24页 |
| 2.2 剖分单元分析 | 第24-27页 |
| 2.3 区域剖分 | 第27-28页 |
| 2.4 有限元模型的细化 | 第28-30页 |
| 2.5 小结 | 第30-31页 |
| 3. 基于 RBF人工神经网络的电阻抗成像算法研究 | 第31-48页 |
| 3.1 电阻抗成像算法简介 | 第31-35页 |
| 3.2 基于 RBF人工神经网络的图像重建算法 | 第35-38页 |
| 3.2.1 人工神经网络特点 | 第35-36页 |
| 3.2.2 RBF网络的理论基础 | 第36-38页 |
| 3.3 EIT人工神经网络总体设计 | 第38-45页 |
| 3.3.1. 基于 RBF人工神经网络的图像重建算法原理 | 第38页 |
| 3.3.2. 网络结构设计 | 第38-39页 |
| 3.3.3. 目标模型 | 第39-40页 |
| 3.3.4. 样本设计 | 第40-41页 |
| 3.3.4. 网络类型的选择 | 第41页 |
| 3.3.5. 网络的学习 | 第41-43页 |
| 3.3.6. 网络的训练 | 第43-45页 |
| 3.4 电阻抗成像的难点与解决方法 | 第45-47页 |
| 3.4.1 电阻抗成像的难点 | 第46页 |
| 3.4.2 解决方法 | 第46-47页 |
| 3.5 小结 | 第47-48页 |
| 4. 基于人工神经网络的图象重建算法仿真及结果分析 | 第48-56页 |
| 4.1 电阻抗重建的过程及流程图 | 第48-50页 |
| 4.2 重建图像算法仿真 | 第50-53页 |
| 4.2.1 单目标成像的仿真 | 第50-51页 |
| 4.2.2 多目标成像的仿真 | 第51-53页 |
| 4.3 基于人工神经网络的算法于其他重建算法的比较 | 第53-54页 |
| 4.4 小结 | 第54-56页 |
| 5. 小波理论在电阻抗图像重建中的应用 | 第56-64页 |
| 5.1 小波变换及其理论基础 | 第56-58页 |
| 5.1.1 连续小波变换 | 第57页 |
| 5.1.2 离散小波变换 | 第57-58页 |
| 5.2 小波变换的应用 | 第58-63页 |
| 5.2.1 边缘检测 | 第58-60页 |
| 5.2.2 降噪处理 | 第60-62页 |
| 5.2.3 图像增强 | 第62-63页 |
| 5.3 小结 | 第63-64页 |
| 6. 总结与展望 | 第64-67页 |
| 6.1 工作总结 | 第64-65页 |
| 6.2 今后的工作方向 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 学位论文评阅及答辩情况表 | 第72页 |
