过程层析成像（PT）技术是近年来飞速发展起来的一门新技术，该技术在解决多相流检测问题上具有巨大的发展潜力和广阔的工业应用前景。电容层析成像（ECT）技术作为基于电容敏感机理的过程成像技术，以其非辐射、非侵入、响应速度快、结构简单、成本低、适用范围广、安全性能好等优点成为目前过程层析成像技术发展的主流和研究热点。但是由于存在一些问题和困难，该技术目前仍处于实验室研究阶段，达不到工业应用的要求，有待进一步研究和发展。 图像重建算法是电容层析成像系统研究的关键技术，直接关系着图像重建的实现，同时也是改善图像重建质量的重要因素。图像重建过程是通过有限个投影数据（归一化电容测量值）去重建介质在检测区域内的介电常数分布图像，即求成像区域内各象素的灰度值。电容层析技术的图像重建是一个非线性、不适定的逆问题。 本文以12电极电容层析成像系统为研究对象，介绍了新型电容层析成像技术的系统结构及图像重建的原理。根据电容层析成像技术本身的非线性的特点，本文提出基于改进的的RBF神经网络的电容层析成像图像重建算法，并构建了电容层析成像技术图像重建的数学模型。基于RBF神经网络的图像重建方法的是用RBF神经网络建立电容测量值到图像灰度值的映射关系模型。用改进的K-means算法训练隐层径向基函数的中心和宽度，利用Tikhnov正则化方法确定连接权值，建立起ECT系统归一化电容测量值与成像区域介电常数分布间的非线性映射。 在MATLAB环境下训练RBF网络，利用有限元法获取RBF神经网络的训练样本集。针对12电极的ECT系统，对油水两相流典型流型的离线仿真实验结果表明，基于RBF神经网络的图像重建算法可以建立起电容传感器归一化电容测量值与介质在检测区域内的介电常数间的映射，并且分辨率较高，图像重建质量明显优于改进的滤波线性反投影法，证明了该方法的有效性，为电容层析成像系统图像重建的研究提供了一种新的有效途径。