无源毫米波成像（Passive Millimeter Wave Imaging）通过探测场景在毫米波段的辐射能量差异实现成像，具有强穿透力，全天时、全天候的工作能力及不主动发射电磁波等优点，被广泛的运用于军用及民用场合。无源毫米波图像的目标检测技术利用不同物体的辐射特性从背景中提取目标，能够为成像系统的不同应用场合提供更多关于目标的有效信息，是现代信息获取技术中的一个关键的问题，因此成为近年来国际上的研究热点之一。本文围绕毫米波成像系统应用于场景监测和安检的应用需求，主要研究了场景中静止目标检测算法和安检中人体隐匿动目标检测算法。文章的主要内容如下：1.分析物体的毫米波辐射特性，为目标的可检测性提供保证；分析毫米波焦平面阵列成像系统的探测距离，根据系统的参数和成像原理得到系统探测距离的定量表达；介绍缩比实验原理，为后文验证探测距离提供理论依据。2.针对无源毫米波图像在不同应用背景下的检测问题和目标及背景的特征密不可分，研究不同应用背景下的待检目标和背景的特性，分别建立无源毫米波图像中静止目标和人体隐匿动目标的检测框架。3.针对待检静止目标的辐射亮度有限，且图像具有丰富的信息未被合理利用，提出高斯加权平均的CFAR门限估计，并依此提出毫米波图像中基于二维单元加权平均恒虚警（2D CWA-CFAR）的静止目标检测算法。与基于二维单元平均恒虚警（2D CA-CFAR）的检测算法比较，该算法能够准确检测到特定目标。4.针对毫米波序列图像中隐匿目标的移动和尺度变化带来的检测困难，提出提取人体区域并建立基于人体区域的高斯混合模型，并依此提出基于高斯混合模型和EM估计的人体隐匿目标检测算法。从贝叶斯错误率和帧处理时间与基于二阶EM的隐匿目标检测算法比较，分析算法的性能。通过91.5G Hz频段16通道毫米波焦平面阵列成像系统实测的场景毫米波图像，验证基于二维单元加权平均的恒虚警算法的有效性，实验结果表明算法能够有效的检测静止目标；利用人体安检系统的毫米波序列图像验证隐匿目标检测算法，实验结果表明基于人体高斯混合模型和EM估计的检测算法能够准确、快速的检测隐匿目标。