| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 选题研究背景及其意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 ECT技术的研究现状 | 第12-13页 |
| 1.2.2 ECT图像重建算法的研究现状 | 第13-14页 |
| 1.3 本文的创新点 | 第14-15页 |
| 1.4 论文结构安排 | 第15-17页 |
| 第2章 电容层析成像系统及其理论原理 | 第17-23页 |
| 2.1 电容层析成像系统结构 | 第17-20页 |
| 2.1.1 电容传感器系统 | 第18-19页 |
| 2.1.2 数据测量采集系统 | 第19页 |
| 2.1.3 成像系统 | 第19-20页 |
| 2.2 电容层析成像理论原理 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 基于卷积神经网络的灵敏度场研究 | 第23-43页 |
| 3.1 卷积神经网络 | 第23-34页 |
| 3.1.1 卷积神经网络结构 | 第24-27页 |
| 3.1.2 卷积神经网络的反向传播 | 第27-33页 |
| 3.1.3 卷积神经网络工作原理 | 第33-34页 |
| 3.2 ECT系统灵敏度场研究 | 第34-35页 |
| 3.3 基于卷积神经网络的灵敏度场更新机制 | 第35-37页 |
| 3.4 更新灵敏度场模型训练样本集 | 第37-38页 |
| 3.5 基于CNN网络的灵敏度场更新算法具体步骤 | 第38-39页 |
| 3.6 仿真结果分析 | 第39-41页 |
| 3.7 本章小结 | 第41-43页 |
| 第4章 利用卷积神经网络进行ECT图像重建 | 第43-49页 |
| 4.1 利用卷积神经网络进行ECT图像重建基本原理 | 第43-44页 |
| 4.2 利用CNN网络进行ECT图像重建算法步骤 | 第44-45页 |
| 4.3 实验结果及分析 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 基于卷积神经网络的ECT图像重建组合算法 | 第49-52页 |
| 5.1 基于CNN网络的ECT图像重建组合算法原理 | 第49页 |
| 5.2 仿真实验分析 | 第49-51页 |
| 5.3 本章小结 | 第51-52页 |
| 第6章 结论及展望 | 第52-55页 |
| 6.1 总结 | 第52-53页 |
| 6.2 展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间发表的学术论文及参加科研情况 | 第59-60页 |