本文以基于被动毫米波成像的人体隐匿违禁物品自动检测识别为应用背景,对毫米波图像的检测、特征提取、分类识别展开了深入细致研究。隐匿物品的检测通过预处理实现,包括图像去噪、增强和分割。本文采用改进的小波软阈值去噪算法进行去噪,使毫米波图像在背景噪声被抑制的同时可以保留较为清晰的边缘；引入FT视觉显著性分析方法对毫米波图像进行增强,并针对毫米波图像为灰度图像的特点,将原来应用于Lab颜色空间的处理方法转换到灰度级亮度空间,使原来的三维特征降低为一维,在保证处理效果的同时,大幅度减少运算时间。并将其与小波域非线性外推以及ITTL、GBVS分析等图像增强方法作对比,证明该方法可以突出隐匿违禁物品并保持其完整的形状信息；之后本文在采用OTSU方法进行图像分割后,增加形态学重构步骤,用于排除背景区域,提取出隐匿物品。论文分析传统傅里叶算子、HU不变矩、几何常量等特征提取方法的特点与不足,针对毫米波图像纹理、颜色特征不明显的特点,提出了基于Radon变换构造特征值的方法。Radon变换本身并不具有不变性,但本文通过Radon变换构造了具有平移、缩放、旋转不变性的特征值,并通过仿真实验从可操作性、表述范围、单一性、稳定性、敏感性等方面验证了该特征提取方法的优越性。在识别部分,针对毫米波图像的小样本条件,通过分析比较随机森林、RPROP神经网络和支持向量机(SVM)的性能特点,提出将基于Radon变换构造的特征值与SVM分类器结合来实现隐匿违禁物品的自动识别的方法。实验分析结果表明该方法对隐匿违禁物品的毫米波图像进行识别效果较好,证明了本文提出的方法在毫米波隐匿违禁物品识别领域的可行性。最后,本文在VS2008环境下,采用C++语言,结合OPENCV,利用MFC编写了人体隐匿违禁物品识别的人机交互界面,实现了隐匿违禁物品检测识别的基本流程。