| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究的背景与意义 | 第10页 |
| 1.2 电容层析成像技术的国内外研究现状与发展趋势 | 第10-11页 |
| 1.3 深度学习的国内外研究现状与发展趋势 | 第11-13页 |
| 1.4 课题的来源及研究内容 | 第13-14页 |
| 第2章 电容层析成系统的构成及其基本原理 | 第14-25页 |
| 2.1 电容层析成像系统的组成结构 | 第14-17页 |
| 2.1.1 电容传感器 | 第14-16页 |
| 2.1.2 数据采集系统 | 第16-17页 |
| 2.1.3 图像重建系统 | 第17页 |
| 2.2 ECT 数学模型 | 第17-19页 |
| 2.3 敏感场分析 | 第19-20页 |
| 2.4 ECT 系统正问题有限元求解方法 | 第20-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 ECT 成像算法研究 | 第25-37页 |
| 3.1 ECT 成像原理 | 第25-28页 |
| 3.2 ECT 图像重建准则 | 第28-29页 |
| 3.3 常用 ECT 图像重建算法 | 第29-36页 |
| 3.3.1 LBP 算法 | 第30页 |
| 3.3.2 Tikhonov 正则法 | 第30-31页 |
| 3.3.3 Landweber 迭代算法 | 第31-32页 |
| 3.3.4 共轭梯度算法 | 第32-34页 |
| 3.3.5 成像效果对比 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于离散小波变换的 ECT 图像融合算法 | 第37-51页 |
| 4.1 离散小波变换 | 第37-42页 |
| 4.1.1 离散小波变换理论 | 第37-38页 |
| 4.1.2 二维图像信号的离散小波分解 | 第38-40页 |
| 4.1.3 常用小波函数 | 第40-42页 |
| 4.2 基于离散小波分解的 ECT 图像融合方法 | 第42-45页 |
| 4.2.1 离散小波函数的选择 | 第42-43页 |
| 4.2.2 离散小波分解层数的选择 | 第43-44页 |
| 4.2.3 ECT 图像的像素级融合方法 | 第44-45页 |
| 4.3 融合图像的评价标准 | 第45-46页 |
| 4.4 图像融合步骤 | 第46-47页 |
| 4.5 实验与分析 | 第47-50页 |
| 4.5.1 实验数据采集系统 | 第47-48页 |
| 4.5.2 实验结果与分析 | 第48-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第5章 基于深度学习的 ECT 图像重建算法 | 第51-64页 |
| 5.1 神经网络基本概念 | 第51-52页 |
| 5.2 深度学习网络基本概念 | 第52-54页 |
| 5.3 DBN 网络模型 | 第54-60页 |
| 5.3.3 受限玻尔兹曼机 | 第55-58页 |
| 5.3.4 BP 网络 | 第58-60页 |
| 5.3.5 基于深度学习的 ECT 图像重建过程 | 第60页 |
| 5.4 实验过程及结果分析 | 第60-63页 |
| 5.4.1 实验环境及网络设计 | 第61-62页 |
| 5.4.2 实验结果与分析 | 第62-63页 |
| 5.5 本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间所发表的学术论文 | 第70-71页 |
| 致谢 | 第71页 |