电阻抗成像技术（EIT,Electrical Impedance Tomography）最早见于上世纪80年代,该技术以电磁场理论为基础,具有可视化、无辐射、污染小、成本低及响应速度快等诸多优点,在工业测量领域,医学监护领域等诸多领域有着诱人的发展前景。但受到测量装置的发展水平、图像重建过程的局限性等诸多因素的影响,现有的EIT的空间分辨率不高,在很多应用场合只能作为辅助测量手段,无法发挥其优势代替主流的测量设备。由于EIT过程固有的欠定性、病态性和软场效应难以避免,因此使用传统的手段难以得到更高空间分辨率以满足工程实际的要求。而本文的核心,则是在深入研究EIT技术的测量原理和测量方法的基础上,采用以智能算法为主的图像重建算法,来提高EIT技术的空间分辨率。本文的主要研究工作如下:1)将卷积神经网络用于EIT过程中关键的灵敏度矩阵参数训练。从测量原理上出发,得出EIT系统的测量值可以视作二维图像来提取特征,然后针对性地选择了相应的卷积神经网络的结构和相关参数,在设定训练的目标函数后,选取了具有典型性和代表性的充分的输入-输出样本来训练选择的卷积神经网络,训练结束后使用测试样本对准确率和泛化能力进行了验证。2)借助模糊算子来对传统的EIT图像重建算法做改进。先从EIT逆问题的欠定性和病态性出发,分析了使用模糊算子的动机和合理性,然后根据EIT系统的输出优化目标,提出一种选择合适的模糊算子的方法,最后通过仿真实验,比较了用模糊算子改进前后的算法得到的输出的可视化效果与误差指标。3)提出一种使用快速模糊聚类算法和EIT技术求解两相流分相含率的新方法。首先分析了已有的求解分相含率的方法的局限性,以及快速模糊聚类算法相比其它聚类算法的优势,提出通过快速模糊聚类算法三分EIT所重构的图像能够实现分相含率的计算,最后将该算法用于中交天津市航道局所属挖泥船的实际工程数据,与传统求解分相含率的算法做了比较和交互验证。4)对序优化算法在EIT技术中的使用做了初步研究。首先简单地介绍了序优化算法,然后论述了没有先验信息的序优化算法是无法在EIT过程中使用的,同时说明了几种先验信息在EIT过程的应用方式,最后通过仿真实验分析了序优化算法的可能适用条件。