基于软场特性的ERT图像重建算法的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-22页 |
| ·多相流检测技术 | 第10-13页 |
| ·多相流检测技术研究的目的和意义 | 第10-11页 |
| ·多相流检测技术的特点 | 第11-12页 |
| ·多相流检测技术的研究现状 | 第12-13页 |
| ·过程层析成像技术 | 第13-16页 |
| ·过程层析成像技术原理 | 第14-15页 |
| ·过程层析成像技术的研究现状与发展趋势 | 第15-16页 |
| ·电阻层析成像技术 | 第16-20页 |
| ·电阻层析成像技术前景 | 第16-17页 |
| ·电阻层析成像算法的研究现状 | 第17-20页 |
| ·课题来源及研究的主要内容 | 第20-22页 |
| 第2章 电阻层析成像系统基本原理 | 第22-31页 |
| ·电阻层析成像系统组成结构 | 第22-24页 |
| ·电阻传感器系统 | 第22-23页 |
| ·电阻率数据采集系统 | 第23页 |
| ·图像显示系统 | 第23-24页 |
| ·电阻层析成像技术原理 | 第24-26页 |
| ·ERT 检测机理 | 第24页 |
| ·ERT 数学模型 | 第24-26页 |
| ·ERT 反问题求解原理 | 第26-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 图像重建算法的研究 | 第31-42页 |
| ·经典的图像重建算法 | 第31-37页 |
| ·线性反投影算法 | 第31-34页 |
| ·基于模型的MOR 重建算法 | 第34-36页 |
| ·ART 迭代图像重建算法 | 第36-37页 |
| ·神经网络 | 第37-39页 |
| ·神经元模型 | 第37-38页 |
| ·神经网络结构 | 第38-39页 |
| ·代数神经网络算法 | 第39-41页 |
| ·代数神经网络算法结构 | 第39-40页 |
| ·类支集函数介绍 | 第40页 |
| ·代数神经网络算法的步骤 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 改进的新型神经网络算法 | 第42-49页 |
| ·改进的图像重建算法结构 | 第42-44页 |
| ·确定隐层结构 | 第42-43页 |
| ·基于类支集函数神经网络算法的优越性 | 第43-44页 |
| ·改进的新型神经网络算法 | 第44-46页 |
| ·改进算法的思想 | 第44页 |
| ·改进算法的步骤 | 第44-46页 |
| ·改进的新型神经网络算法仿真实验 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 电阻层析成像图像重建仿真设计 | 第49-59页 |
| ·仿真实验 | 第49-51页 |
| ·仿真环境介绍 | 第49-50页 |
| ·软件主要功能介绍 | 第50-51页 |
| ·气-固两相流仿真实验 | 第51-58页 |
| ·样本特征提取 | 第51-53页 |
| ·管道截面网格划分 | 第53页 |
| ·流型设置 | 第53-55页 |
| ·图像重建 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间发表的学术论文 | 第65-66页 |
| 致谢 | 第66页 |
