当代社会安全问题频发,一些传统安检手段短板日渐突出,毫米波因为其穿透性和非电离性被广泛应用于人体违禁物品检测成像方面,成为继光学成像、微波成像以及红外成像等探测成像领域的又一重要手段。然而满足安检识别需求的图像分辨率是以巨大数据量为代价的。一幅全方位的人体毫米波安检图像需要上亿的数据,这无疑是给数据的采集、运输及硬件成本带来巨大负担,且按照奈氏准则采集来的数据大部分冗余,真正对成像有用的信息只有一小部分,这样又造成数据资源浪费。兴起的压缩感知理论为解决数据稀疏采集成像问题提供了有力支撑,该理论可以实现从较小的数据量中精确恢复出目标信号。本文即是以压缩感知理论应用于毫米波安检成像中实现稀疏采样、保证高质量恢复图像为目的进行的研究。主要内容如下:1.本文介绍了毫米波的特点及成像时频率选择依据、毫米波安检成像系统和图像重构基本知识。研究了与毫米波安检图像信号特征相关的信号稀疏性、测量矩阵及优化算法等压缩感知理论。2.研究了将压缩感知应用于二维和三维毫米波成像中的方法并实现。其中,二维成像方面包括单频点平面扫描和宽频带线阵扫描两种情况下的稀疏成像方法及实现。从二维到三维的应用,主要提出建立波数域相位函数观测矩阵以及傅里叶操作算子的方法构造线性测量模型,避免大型矩阵求逆的复杂性;稀疏先验信息方面利用三维全变差方法,加入频率维梯度域先验信息,提高重构质量。3.针对全变差正则化对图像恢复过程中的“平滑效应”导致边缘模糊不清的问题,采用加权的方式对梯度平滑程度进行自适应约束,提高图像边缘清晰度。另外,在此基础上利用自身迭代重构出的图像作为参考图像获取部分先验指导后续图像重构,再次增强图像质量。两种方法联合建立的正则化约束模型将图像重构质量明显提高。