无源毫米波成像能利用场景和目标在毫米波段辐射能量的差异性实现成像。在实际毫米波成像系统中，由于天线孔径大小限制以及噪声影响，导致成像质量降低，分辨率偏低，使用一般图像重建方法往往忽略了图像本身特征，所以研究针对实际成像问题的图像处理方法十分必要。本文围绕毫米图像去噪和重建问题，主要研究了基于图像本身特征的自适应去噪方法，同时结合信号的稀疏表示理论，研究了基于图像稀疏性的自适应表示以及重建方法。主要内容有：1、在毫米波图像预处理中，针对中值滤波的全局滤波处理在去噪的同时也模糊了图像信息的问题，采用先检测、后去噪的去噪流程，提出了基于中值滤波的冲激噪声检测算法，给出了检测阈值确定原则，保留了中值滤波去除冲激噪声的良好性能，同时避免了传统方法对图像信息不必要的模糊。2、针对在毫米波图像中金属点目标的被误判为噪声的问题，分析了噪声和目标在图像差分上的不同表现，提出了基于归一化差分值的自适应冲激噪声检测算法，实现了目标和噪声的自适应区分，进一步改善了冲激噪声去除效果，有利于后续的目标检测与识别。3、研究了基于图像块的局部稀疏表示模型，以及基于图像块自适应稀疏表示算法，根据图像块在冗余字典上的局部稀疏先验，研究了毫米波图像自适应稀疏去噪算法，仿真验证了该算法去噪的有效性。4、分析了基于图像块稀疏性的的毫米波图像重建模型，研究了基于阈值迭代法的毫米波图像重建算法。将毫米波图像在冗余字典上的稀疏性加入到目标函数的约束项中，同时利用图像的非负有限性，通过迭代，对噪声有良好的抑制作用，同时也能获得良好的重建效果。最后，通过仿真验证了基于自适应噪声检测算法和毫米波稀疏性的重建算法的有效性，同时，利用本文中所设计算法对实际成像系统获取的大量图像进行处理，效果显著。