电容层析成像技术(Electrical Capacitance Tomography,ECT)是较早发展起来的一种过程层析成像技术,其具有非侵入、非接触、成本低等优点。目前ECT技术主要问题集中于该技术中的灵敏场软场,导致图像重建过程中其成像精度不高,且速度上也不能满足要求。因此图像重建也成为了ECT技术中至关重要的环节。支持向量机(Support Vector Machines,简称SVM)是机器学习领域中被广泛使用的一种算法,其具有良好的推广能力,在解决非线性问题方面尤为突出,由此将SVM应用在ECT技术的图像重建方面提供了依据。本文首先对ECT系统的总体结构及基本原理进行了详细分析,分别对ECT系统中的电容传感器、数据采集系统以及图像重建等方面进行了阐述。本文针对12电极板ECT系统进行了研究分析,并应用ANSYS有限元仿真软件对12电极板电容检测传感器建立了其敏感场模型。并对此模型进行了等面积单元剖分,使得该模型的结构具有均匀对称特性,并应用此特性可对所测得数据集进行简化。本文针对SVM算法在ECT系统中图像重建的应用进行了分析,并发现SVM算法重建图像时在处理大规模、高维度的样本数据方面表现不够理想,导致成像精度不高,成像时间也比较长。针对于此本文提出了一种基于簇中心算子的数据特征降维(简称FRCO方法)的方法并与SVM相结合方法。采用此方法首先应用FRCO方法对数据集进行特征降维处理来简化数据本身,以达到适用于SVM算法重建图像的需要。通过实验表明通过FRCO与SVM的结合使用在重建图像方面得到了提升,尤其在成像速度上较只使用SVM重建图像方面有了明显改善。