物质燃烧在微波频段具有强辐射特性,同时微波对浅层覆盖物具有可穿透性。因此,可以利用微波来实现灾前灾后阴燃火点以及浅层覆盖物下火点的探测问题,从而实现火灾的全时段探测。便携式微波辐射火灾探测仪成像与红外成像、光学成像相比,图像的分辨率较低。因此,基于微波辐射成像的原理,通过图像后处理算法来提高微波辐射图像的分辨率具有重要研究价值。本文针对便携式微波辐射火灾探测仪具有成像空间分辨率低、探测范围小的问题,设计了卷积神经网络的超分辨率重建算法（SRCNN）和尺度不变特征转换算法（SIFT）相结合的方法,用以实现高分辨率的大场景火场探测。首先,本文在SRCNN的基础上设计了火场微波辐射图像的超分辨率重建算法（SRCNN-MW）,运用该算法对图像进行超分辨率处理,并从以下四个方面来验证该算法的有效性:（1）峰值信噪比直观评价;（2）基于双线性插值算法与SRCNN-MW算法重建后的高分辨率图像对比;（3）图像特征点检测;（4）图像的配准精度评估。其中,SRCNN-MW算法在提高微波辐射图像分辨率的同时,还对图像的细节信息进行了完善。然后基于SIFT的图像融合方法对图像序列进行融合,利用分析火点特征点相对位置变化的一致性,验证特征点检测这一方法对于火灾探测的有效性。基于SIFT特征点实现两幅火场微波辐射图像的配准,并从配准结果判断出图像的重叠区域和非重叠区域,最后实现对图像的融合。本文利用SRCNN-MW算法和SIFT算法对火场微波辐射图像进行处理,实现了大场景火场图像的高分辨率重建。本文的实验结果证明了方法的有效性,对便携式微波辐射火灾探测仪的成像显示研究具有重要意义。