毫米波相对于微波波段,由于波长较短,能够获得较高的空间分辨率和精度;其波段可用频带较宽,具有穿透云、雾、烟和尘埃的能力,且能够穿透等离子体,因而可在恶劣环境下全天候工作;毫米波保密性好,抗干扰能力强;而且毫米波能有效的探测金属材料和隐身材料。基于以上优点,被动毫米波成像具有广阔的军事和民用前景。但被动毫米波图像相对于光学图像,分辨率很低,这极大地影响了毫米波图像应用的效能。研究超分辨率技术以改善毫米波图像的空间分辨率,这对于弥补硬件方面的不足或降低获取高分辨率毫米波图像的成本具有重要的理论意义和实际价值。论文首先系统的介绍了国内外的被动毫米波技术和超分辨率技术的发展现状,对被动毫米波图像超分辨率技术的发展进行了综述;然后探讨了被动毫米波图像退化的主要因素;在此基础上,对圆盘散焦和高斯散焦两种图像退化模式下的参数估计方法进行研究。针对圆盘散焦的退化情形,采用基于拉氏算子的退化参数估计方法;针对高斯退化情形,采用基于边缘扩展函数的高斯散焦参数估计方法,并对参数估计的影响因素进行了分析,得出了一些定性结论。在估计出图像退化参数的基础上,对单帧图像通过引入改进的非线性操作因子,对非线性Jansson-vanSitter算法进行改进;论文还提出了高频预测和逆加权等两种针对毫米波图像的分辨率增强算法;最后结合神经网络和改进非线性Jansson-vanSitter算法实现了单帧图像的超分辨率重建。对于多帧图像超分辨率问题,通过一种改进的尺度不变特征变换配准算法,实现多帧图像的亚像素级别配准,在此基础上融合多帧图像,并对融合图像运用改进非线性Jansson-vanSitter算法,实现了多帧图像的超分辨率重建。