1.一种基于自适应神经模块网络的电阻层析成像方法，其特征在于：包括如下步骤：步骤1)构建ERT电极测量电压伪图像编码模块；

步骤2)构建基于CNN的ERT流型识别网络模块；

步骤3)构建基于VAE-GAN网络的ERT图像重建网络组模块；

步骤4)依次串联步骤1)、步骤2)和步骤3)所描述模块，构建自适应神经模块网络的ERT图像重建框架，对待测ERT电极电压数据进行图像重建；

所述的步骤3)为：

3-1)基于VAE-GAN网络的ERT图像重建网络组模块由27个生成器网络构成，每一个生成器网络对应一种流型的ERT图像重建网络，生成器网络的输入伪二维测量电压伪图像矩阵H

3-2)生成器网络采用编码器-解码器的串联结构，编码器包括8个卷积层，采用4×4的卷积核；经伪图像处理后的DCT频率特征矩阵输入编码器，逐层运算提取特征，将其映射到潜空间，计算得到均值μ与方差σ为了增强小样本下生成器网络的泛化能力，在生成网络模块中引入变分自编码器结构(VAE)：由编码器得到的特征构建一个包含该特征的正态分布，进行再采样操作提取特征，通过解码得到重建图像；具体过程如下：ERT图像重建生成器网络中计算编码后的隐变量的均值和方差，得到对应的正态分布N(μ,σz＝μ+ε×σ (4)

3-3)判别器网络选用PatchGAN结构，由4个卷积-BatchNorm-LeakyReLU组合层和1个基本卷积层串联构成；判别器网络将输入映射为N×N的特征图映射转化为与目标图像的相似度概率；

所述的步骤4)为：

4-1)采用16电极相邻激励模式的ERT系统，测量得到208×1维的测量电压值u

4-2)将DCT电压特征I

4-3)根据ERT流型种类识别结果，选取该流型相对应的ERT图像重建网络，同时，将二维测量电压伪图像矩阵H

2.根据权利要求1所述的基于自适应神经模块网络的电阻层析成像方法，其特征在于：所述的步骤1)为：

1-1)采用16电极相邻激励模式的ERT系统，一组测量得到208×1维的测量电压值；设数据库样本总数为P组，则利用式(1)对测量电压值进行归一化处理；式中，u

1-2)将归一化后的测量电压值按照式(2)进行伪图像编码处理，获得208×208的二维测量电压矩阵U

1-3)将二维测量电压矩阵U

1-4)将测量电压伪图像H

3.根据权利要求1所述的基于自适应神经模块网络的电阻层析成像方法，其特征在于：所述的步骤2)为：基于CNN的ERT流型分类网络的输入为步骤1)的输出DCT电压I