电阻抗成像技术通过测量物体表面边界电压特性以评估其内部电阻抗分布情况,是一种新型的非侵入式测量技术。该技术具有便捷、价格低廉、安全高效的优势,在电子皮肤、临床医学、地球物理等领域有着广泛应用前景。本课题将研究电阻抗成像技术,使经特殊制备的布料能在二维平面中如电子皮肤般感知破损区域与湿度变化。当前基于电阻抗成像技术的电子皮肤研究及应用存在一些问题:（1）缺少电子皮肤专用电阻抗成像数据采集系统;（2）电阻抗成像传统牛顿类迭代算法存在迭代次数多、重建分辨率不高、对建模误差敏感等问题;（3）基于深度学习的电阻抗成像方法对目标区域边界特别是尖锐区域的重建准确度不高。针对上述问题,本文完成如下工作:（1）研发一套基于FPGA的电阻抗成像数据采集系统。在FPGA移植微处理器内核,以搭载的微处理器作为主控核心,数据采集模块作为微处理器的外设接入微处理器总线,包括激励电流源模块、数据选通阵列以及降噪滤波模块。其中,降噪滤波模块采用线性相位结构节约一半乘法器资源,采用流水线结构提高数据吞吐率。此外系统还预留深度学习算法的硬件实现模块接口,并已实现三并行度的卷积计算模块;（2）传统算法方面,研究及优化共轭梯度法,添加拉普拉斯先验,提出基于拉普拉斯先验的共轭梯度法,增强重建图像中突变区域,减弱缓变区域,减少迭代次数,提高重建图像精度。通过与等位线反投影算法对比,对模拟成像目标与真实目标进行重建,从定性分析与定量分析两个角度进行分析,得出所改进算法能减小噪声干扰,提高重建图像分辨率,其平均图像相关系数（Image Correlation Coefficients,ICC）值为0.718,平均图像结构相似度（Structural Similarity Index measure,SSIM）值为0.864;（3）深度学习算法方面,提出一种增加初始猜测的类自编码器算法FC＿AE。该算法在不同成像目标重建任务中表现出色,能有效重建尖锐区域与识别边界,ICC平均为0.973,SSIM平均为0.956。此外,针对ICC与SSIM无法全面有效评价重建图像的缺点,本文设计了一种基于成像目标定位的评价方法EITL,该方法对非成像目标部分施加惩罚项。FC＿AE的平均EITL值达到0.879。本课题结合FPGA、深度学习和电阻抗成像技术实现了基于柔性传感器阵列的破损区域定位和湿度感知的功能,为推动电子皮肤发展提供了一种新思路。