毫米波被动成像技术由于其独特的技术优势，在飞机着陆、机场港口的场面监控、银行、场馆等场所出入口安全检查等领域有着重要的应用。在高性能场景监控等领域需要高质量的成像图像，在反恐安检等领域需要实时成像，而为达到这些要求，传统毫米波被动成像技术通过增加系统硬件复杂度和成本来实现，例如，大口径天线尺寸、极多接收阵列等，实现都比较困难。而压缩感知理论带来了新的解决方法，即引入信号的稀疏性，利用少量非相关性的压缩采样，通过稀疏优化算法高精度重构原信号。本论文对压缩感知及其在毫米波无源成像技术中的应用进行了研究。论文的主要研究内容及结果如下：1.研究了无源毫米波成像理论以及压缩感知理论，包括稀疏表示，测量矩阵和稀疏重构算法；分析了基于压缩感知的毫米波被动成像系统数学模型，并提出构造该系统体制的设想。2.针对传统1范数最小化算法不能很精确地保持图像边缘特性的问题，研究了基于扩展拉格朗日和交替方向的全变分最小化算法（ALTV），该算法引入变量分离技术，采用交替方向方法最小化扩展拉格朗日函数求解变量，使得变量求解有着更低的计算复杂度和更高的数值稳定性。3.针对ALTV算法中矩阵向量相乘计算复杂度高的问题，研究了快速沃尔什哈达玛变换，从而可进一步加快ALTV算法的运行速率。4.研究了毫米波被动图像点扩散函数，针对其特点构造出相应的变密度测量矩阵，并实验仿真验证了其相对于均匀密度测量矩阵有更好的重建性能。5.针对如何更优地进行稀疏表示的问题，引入无源毫米波图像稀疏先验信息，将TV（total variation）模型改进为TV+Wavelet模型，采用分裂Bregman迭代算法进行稀疏重构。仿真实验表明：相对于传统的全变分最小化算法，ALTV算法的运行速度更快和重建图像质量更佳；基于改进的TV+Wavelet模型，分裂Bregman迭代算法重构的无源毫米波图像性能更优。