毫米波辐射成像系统通过毫米波辐射计接收和测量目标毫米波段的辐射能量,将目标辐射信号转化为电信号并处理得到目标场景的毫米波亮温图像。相对于微波,毫米波成像系统具有更高的分辨率和更好的抗干扰能力。与红外和可见光相比,毫米波对雨雾或者沙尘的穿透性更强,毫米波成像系统具有全天时和全天候工作能力,特别是毫米波辐射成像系统,因不发射信号,具有良好的隐蔽性。因此,其在民用和军事领域如战场引导、遥感观测和反恐安检等方面获得了广泛应用。毫米波辐射成像的最终目的是获得高质量的毫米波亮温图像并对其进行有效的目标检测和分析以满足不同应用需求。但由于毫米波辐射成像系统易受噪声和衍射受限效应等影响,导致被动毫米波图像噪声大、分辨率低。因此如何改善被动毫米波图像的图像质量,提高图像分类和目标识别的准确性是十分重要的。论文围绕被动毫米波图像的去噪和超分辨方法以及目标的分类识别开展了研究,主要包括以下几个方面:(1)毫米波干涉综合孔径辐射成像的机理和建模仿真的研究。介绍了毫米波目标的辐射特性,从二元干涉仪入手,利用系统传输特性推导了毫米波干涉测量远场近场统一的复相关输出和目标场景亮温分布的关系,建立了笛卡尔坐标系下毫米波干涉综合孔径成像模型,分析了系统参数对成像结果的影响。(2)基于两级自适应非局部均值的被动毫米波图像联合滤波。针对毫米波辐射成像系统在实际成像中易受成像环境、系统电路等影响导致亮温图像出现噪声污染的缺点,在非局部均值滤波的基础上,利用弱纹理块的图像噪声估计实现了自适应滤波,提高了算法的去噪性能,同时通过引入两级框架的联合滤波,解决了高噪声情况下传统非局部均值滤波器权值分配函数可信度和准确度急剧下降的问题,进而改善算法的去噪性能和边缘保持能力。(3)基于自适应流形高维滤波的被动毫米波图像去噪算法。针对毫米波辐射成像系统通道间不一致性导致亮温图像存在条带噪声和冲激噪声的问题,利用窗口遍历数据扩维方法将被动毫米波图像扩展到高维空间,通过主成分分析提取高维图像的主要信息,同时利用高维空间中的平均中值滤波提高了自适应流形高维滤波的去噪性能,并借助基于拉普拉斯高斯算子的边缘增强技术实现了目标边缘的增强,进一步提高了图像的质量。(4)基于多帧框架的正则化非线性扩散模型的单帧毫米波图像超分辨算法。针对单帧毫米波图像无法适用于基于毫米波图像序列的超分辨方法的不足,通过引入循环引导滤波生成结构上多尺度的被动毫米波图像序列,利用正则化非线性扩散模型超分辨方法和全差分去卷积方法在多帧框架下实现了单帧毫米波图像的超分辨重建,恢复了丢失的高频和细节信息。(5)被动毫米波图像分类识别系统的设计与实现。为了实现被动毫米波图像的分类识别,同时验证提出的去噪算法和超分辨算法的有效性,通过建立被动毫米波图像数据库,并借助MATLAB GUI可视化平台编程实现了被动毫米波图像分类识别系统。以多类别的三维模型为基础,通过主视角选择和小角度旋转捕获目标主要的姿态,利用毫米波干涉综合孔径成像方法生成亮温图像并建立被动毫米波图像库。利用基于自适应流形高维滤波的去噪算法和基于正则化的非线性扩散模型的超分辨算法进行处理,结合局部二值模型图像特征提取方法和基于直方图交叉核的支持向量机分类器实现被动毫米波图像特征的提取和分类。通过目标分类和检索对比实验,对所提的去噪算法和超分辨算法进行了验证。