电容成像若干问题研究

Electrical capacitance tomography (ECT) has been studied for about 30 years since its appearance in the late of 1980s'. Tremendous progresses have been achieved in the aspects of sensor structure, measurement strategy, measurement method for small capacitance, image reconstruction algorithm, and applications. But from the perspective of the state of the art with electrical capacitance tomography, there are still certain technical and theoretical issues need to be overcome for the future development and practical applications of electrical capacitance tomography. The project will be carried out by using theoretical analysis, computer simulation and together with experiments. The project focuses on these key issues and will conduct the following studies including 1) The theoretical analysis of the relationship between the electrode number of electrical capacitance tomography sensor array and the reconstructed image qualities such as image resolution, image error, etc., 2) the machine learning based image reconstruction framework and methods for electrical capacitance tomography, 3) image reconstruction for high-contrast dielectric permittivity change in electrical capacitance tomography, 4) benchmark for evaluation of electrical capacitance tomography. The objective of the project is to overcome the open questions and technical issues in electrical capacitance tomography and promote the development of future electrical capacitance tomography technology and its practical applications.

自上世纪80年代末期出现以来，电容成像已经历了近30年的研究与发展。其在传感器结构、测量策略、微电容测量方法、图像重建以及应用等方面都取得了巨大进步，国内研究水平目前也与国际保持同步。但从领域现状看，电容成像的未来发展及应用仍有一些关键技术及理论问题亟待解决和突破，对此加以深入研究十分必要。本项目拟采用理论分析、计算机仿真与实验相结合的研究方法，针对电容成像领域若干有待深入和突破的问题展开，主要研究内容包括：1）电容成像系统传感器阵列电极数目与图像分辨率、图像误差等图像重建质量指标之间的关系；2）基于机器学习的电容成像图像重建新框架及方法；3）针对具有高对比度介电常数变化的电容成像图像重建算法；4）用于电容成像系统评价的介电常数分布Benchmark的建立。项目目标是力争突破现有电容成像技术，占领该领域国际前沿。项目将有助于完善现有电容成像理论，并促进该技术向实际应用迈进。

项目针对电容成像现状，采用理论分析、计算机仿真与实验相结合的研究方法，针对电容成像领域若干有待深入和突破的问题展开，主要研究内容包括：. 1）建立了用于电容成像系统评价且具有一定规模的数据集，数据集针对多种传感器模型，包括仿真、静态试验及动态试验数据，涵盖11.6万余组仿真数据及100余组试验数据，可用于电容成像图像重建评价或开展基于机器学习理论的电容成像图像重建方法研究；. 2）对基于机器学习理论的电容成像图像重建算法开展了系统研究，提出了一种基于深度自编码及解码相结合的电容成像图像重建算法，能同时解决电容成像正问题及反问题；提出了一种基于全连接深度神经元网络的补偿线性发投影图像重建算法，通过压缩电容成像图像重建问题对应的从测量电容到介电常数分布这一非线性映射的支撑域，使得电容成像图像重建问题只需考虑局部非线性，在用神经元网络实现时便于训练，算法在不显著增加运算量的同时，有效改善了传统线性反投影算法的图像重建质量；提出了一种基于深度卷积神经元网络的电容图像重建算法，使得采用深度神经元网络进行图像重建等一系列方法的可解释性与物理问题本质对应，图像重建效果良好且具有良好的泛化能力；. 3）针对高对比度介电常数应用，研究了用于多孔绝缘板材渗水检测的电容成像系统，并针对这一特殊应用，重点采用稀疏贝叶斯及水平集算法实现平面整列电极的电容成像图像重建，取得了较好的效果；. 4）针对传统电容成像传感器的一种改进形式线网电容成像传感器及成像系统（wire mesh capacitance imaging），重点对如何提高其成像分辨率进行了系统研究，提出了一种亚像素图像重建算法，借助传统电容成像敏感度矩阵的概念，可实现线网式电容成像的亚像素图像重建，显著改善了传统线网式电容成像的分辨率；