电阻层析成像（ERT）的相对成像与绝对成像

TL;DR · 一句话总结

相对成像（差分成像）重建的是两个状态之间的电导率变化量——把两帧测量数据相减后再反演，鲁棒性好、伪影少，是工业过程监测的默认选择；绝对成像重建的是某一时刻的绝对电导率分布——用单帧数据直接反演，不需要参考状态、能给出绝对数值，但对传感器建模误差敏感。工程上的主流做法是两者结合：用绝对成像标定基线，用相对成像跟踪变化。

从逆问题看两条技术路线

ERT 成像的数学本质

电阻层析成像（ERT）的基本流程是：在边界电极上施加激励电流，测量其余电极上的电压，再由边界电压反推内部电导率分布。

正问题（已知分布，求电压）：
  电导率分布 σ(x, y)  ──F──▶  边界电压 V
  正向模型 F 由完整电极模型（CEM）描述，
  包含电极几何、接触阻抗、绝缘边界等

逆问题（已知电压，求分布）：
  边界电压 V  ──?──▶  电导率分布 σ(x, y)
  σ̂ = argmin { ‖F(σ) − V‖² + λ·R(σ) }

这个逆问题有两个众所周知的困难：

1. 非线性：电压对电导率的依赖是非线性的（电导率变化会同时改变场内的电流线分布）；
2. 病态性：边界电压对内部电导率变化的灵敏度随距离急剧衰减，中心区域的误差被强烈放大。

面对同一个困难问题，工程上有两种截然不同的”问法”，对应两条技术路线：

问法一（相对成像）："相对参考状态，哪里变了？"
  输入：ΔV = V₂ − V₁（两帧数据之差）
  输出：Δσ̂（电导率变化量分布）

问法二（绝对成像）："此刻内部的电导率分布是什么？"
  输入：V（单帧数据）
  输出：σ̂（绝对电导率分布）

选择哪种问法，决定了数据采集方式、重建算法、对传感器精度的要求，以及最终你能从图像里读出什么。

相对成像（差分成像）：以”变化”为对象

基本原理

相对成像不直接反演绝对分布，而是反演两个状态之间的差：

ΔV = V(t₂) − V(t₁)          ← 数据域差分
Δσ̂ ≈ −J† · ΔV               ← 线性化反演

J：参考状态 t₁ 处的灵敏度矩阵（雅可比矩阵）
J†：广义逆（配合正则化使用）

因为差分 ΔV 通常只对应小扰动，“电压–电导率”关系在参考状态附近的线性化近似在这一场景下成立得很好，逆问题的病态程度也比绝对成像明显缓解。

三种常见的差分方式

时间差分（time-difference imaging）：
├─ 参考帧：t₁ 时刻的实测数据（空管 / 满管 / 初始状态）
├─ 特点：最常用、误差抵消最彻底
└─ 依赖：能获得稳定的参考状态

频率差分（frequency-difference imaging）：
├─ 参考帧：同一时刻另一激励频率下的数据
├─ 特点：对象变化太快、来不及取参考帧时使用
└─ 依赖：目标电学特性随频率有可利用的差异

参照差分 / 归一化差分：
├─ 参考帧：已知参照物或已知均匀介质的仿真/实测数据
├─ 特点：介于两者之间，常配合归一化灵敏度使用
└─ 依赖：参照状态与真实状态的匹配程度

为什么工业现场偏爱相对成像

1. 共模误差自动抵消。 电极接触阻抗的不一致与漂移、电极安装位置的偏差、容器几何的建模误差、激励源幅值的温漂——这些误差在两帧数据中大体相同，差分后大部分被消掉。剩下的 ΔV 几乎只携带”内部发生了什么变化”的信息。

2. 逆问题更良态。 线性化误差小、可用的正则化手段成熟，重建图像的伪影明显更少，“观感分辨率”更高。

3. 实时性好。 灵敏度矩阵可以在运行前一次性算好，在线重建只需一步线性运算，容易做到高帧率，适合连续过程监测。

相对成像的局限

• 只有变化量，没有绝对值：图像回答”哪里变了、变了多少（相对量）“，回答不了”现在的电导率是多少”；
• 依赖参考帧的质量与时效：参考帧取得不好（比如电极状态已经漂移），整段趋势都会失真；长期监测需要定期重取参考帧；
• 静态对象用不了：对象本身不变、又没有合适的参考状态时（如一次性结构检测），相对成像无从下手。

绝对成像：以”分布”为对象

基本原理

绝对成像用单帧数据直接反演该时刻的绝对电导率分布。由于问题是非线性的，通常采用迭代方法：

初始猜测 σ₀ → 正问题算电压 F(σₖ)
→ 比较残差 F(σₖ) − V
→ 按灵敏度方向更新 σₖ₊₁（Gauss–Newton / NOSER 等）
→ 迭代至收敛，配合 Tikhonov / TV / Laplace 等正则化

二维问题另有 D-bar 框架（有唯一性理论支撑），
在肺功能成像等研究中应用较多。

绝对成像难在哪里

1. 对正向模型精度的要求苛刻。 重建结果直接依赖你对真实物理系统的建模程度：

必须建准的因素：
├─ 传感器几何（容器直径、电极宽度、轴向位置）
├─ 电极接触阻抗 z（往往未知且随时间变化）
├─ 边界条件（器壁、绝缘层、外部导体干扰）
└─ 测量系统的增益/相移标定

任何一项偏差都会在图像中变成伪影或位置偏移——差分成像里被相消掉的误差，在绝对成像里全部进图。

2. 病态性更严重。 绝对分布的反演对边界数据误差高度敏感，中心区域分辨率显著低于近壁区域，深度方向的定位误差难以避免。

3. 接触阻抗是长期运行的软肋。 电极极化、腐蚀、结垢都会让接触阻抗漂移，而它恰恰是模型里最难在线获知的参数——这是长期在线绝对成像必须定期标定的根本原因。

缓解手段

• 离线标定：用已知电导率的标准液对系统做绝对标定，估计接触阻抗与增益；
• 结构先验 / 灰箱方法：把已知的器壁、内构件、目标大致形状作为约束加入反演，大幅压缩解空间；
• 多频 / 多模态融合：利用目标在不同频率、不同物理场下的差异互补，改善绝对反演的稳定性。

两种成像方式对比

维度	相对成像（差分）	绝对成像
输入数据	两帧数据之差 ΔV	单帧数据 V
逆问题性质	线性化近似、较良态	非线性、强病态
对模型精度的要求	低（共模误差被抵消）	高（几何 / 接触阻抗 / 标定都要准）
图像给出的是	电导率变化量分布	电导率绝对值分布
典型伪影	参考帧状态混入	建模误差伪影、位置偏移、中心模糊
在线实时性	高（一步线性）	低（需迭代），需优化后才可在线
参考状态	必需	不需要
典型应用	管道两相流监测、过滤器 / 反应器过程跟踪、变化过程观测	混凝土 / 地质一次性评估、无参考静态对象、绝对电导率测定

一句话概括：相对成像牺牲”绝对数值”换取鲁棒性和实时性；绝对成像用苛刻的模型要求和算力换取”无需参考 + 绝对数值”。

量化应用：从图像到数值

很多工业场景关心的不只是”图好看”，而是数值：相含率、浓度、含水率。两种成像在这条路上的角色不同：

• 相对成像 → 给出变化的演化过程（气泡的生灭、羽流的迁移、床层的膨胀收缩）。配合标定，也可以从图像序列积分估算变化量对应的相含率变化；
• 绝对成像 → 给出绝对电导率场，可经混合规则（如 Maxwell、Bruggeman 方程）换算为相含率 / 孔隙率 / 浓度的绝对估计，这是相对成像给不出来的；
• 工程主流做法：绝对成像标定基线 + 相对成像跟踪变化——用绝对标定给出”起点刻度”，用高帧率差分跟踪”过程曲线”，两者拼出既有绝对锚点又有过程细节的完整测量。

工程选型建议

你的场景	建议路线
管道气液 / 气固两相流在线监测	相对成像（默认选择）
过滤器、反应器、床层的过程跟踪	相对成像 + 定期重取参考帧
混凝土密实度、堤坝渗漏等一次性静态评估	绝对成像 + 结构先验
需要绝对相含率 / 浓度数值	绝对成像 + 混合规则换算，配合标准液标定
数月级长期在线监测	相对成像为主，关注电极漂移，按周期重标定

补充两条现场经验：

1. 参考帧不是一劳永逸的。 温度、电极状态、介质本底都会慢漂移，长期运行的项目应把”重取参考帧 / 重标定”写进维护计划；
2. 先想清楚要回答什么问题。 只关心”变化规律”就别碰绝对成像的复杂性；需要”绝对数值”就为标定和模型校核留出预算——反过来选路线，是很多项目返工的原因。

下一步

阅读 ET 软场与病态性 了解逆问题困难的根源；
查看 ERT 技术指南 了解工业应用全景；
查看 基于层析成像的相含率测量 了解量化换算方法；
或直接联系我们，说明你的应用场景，工程师会根据”要绝对值还是要过程”帮你确定成像路线。

---

本文核心观点：

相对成像与绝对成像不是优劣关系，而是两种不同的问题定义。相对成像把”系统误差”差分掉，用鲁棒性换取实时过程监测；绝对成像直面完整反演，用标定和先验换取绝对数值。理解两者的边界，才能在”要过程”还是”要数值”之间做出正确的技术选型。

天津有仪的 eTomography Pro 软件内置多种经典与智能重建算法，可在同一份数据上一键切换对比，便于在具体项目里评估不同成像策略的实际效果；配套的 ERT 数据采集系统支持原始数据记录与离线回放，为参考帧管理与算法离线复现提供数据基础。