与光学、红外和微波成像相比，毫米波成像具有独特的技术优势，90年代以来成为毫米波研究领域的一个研究热点。但是，毫米波成像系统获得的图像存在退化问题，影响成像质量。本文从毫米波图像的退化原因入手，根据毫米波图像空间分辨率低和叠加噪声的特点，对各种图像复原算法及实现技术进行了深入的研究，提出了一种基于小波变换的图像去噪算法和一种基于POCS技术的图像超分辨率重构算法，可有效提高毫米波图像的质量。同时利用高速数字信号处理器(DSP)处理速度高的优势，研究了基于DSP开发系统的图像复原算法的实现技术。　　 随着小波变换理论的完善，小波变换在图像去噪中得到了广泛的应用，基于小波变换的去噪算法既能有效地减少噪声，又能很好地保留图像的边缘信息。本文对基于小波变换的图像去噪方法进行了深入的研究分析，采用中值滤波、阈值处理和小波变换相结合的去噪方法，并对其原理和几个关键问题进行了详细讨论，最后在硬件平台上实现了该算法并给出了实验结果。　　 图像超分辨率重构是指采取某种方法从退化后的低分辨率图像中复原出高于成像系统分辨率图像的处理方法，它可以分为频域算法和空域算法。频域算法只局限于全局平移运动的退化过程，更重要的是它难以包含先验知识。空域算法使用通用的观察模型，能有效地利用先验约束知识，具有更好的适应性和重构效果。空域算法中的POCS算法利用投影和凸集的原理进行图像重构，算法比较直观，对先验知识的利用更加简单灵活，能很好地保持图像的边缘和细节，是最有前途的超分辨率重构算法之一。本文对图像超分辨率重构算法进行了研究和比较，着重对POCS算法做了比较细致的研究，对影响该算法复原结果的因素（如匹配算法、搜索算法、迭代次数等）进行分析，采用基于菱形搜索算法的块匹配算法和人工确定迭代次数的方法，有效地提高了运动估计的精度并减少了运算量。实验结果表明，该方法能够得到较好的视觉效果，明显地提高了图像的质量并保留了图像的细节和边缘特性。