无源毫米波安检探测系统通过被动接收物体辐射出的毫米波成像。不同的物体其辐射特性各不相同,探测系统对各类物体成像的结果也存在差异。由于无源毫米波成像探测系统本身不对外辐射电磁波,具有安全可靠的特点,因而在安检系统等应用上得到各国普遍的认可和使用。安检系统中目标检测与识别问题是其核心问题,其内容包括有:图像增强,图像分割,目标特征提取及描述和目标检测与识别等方面。本论文依托实际研究项目,对无源毫米波成像中的目标检测与识别算法进行了系统的研究。论文主要的工作以及研究结论包括:1.介绍了无源毫米波成像目标检测识别系统组成及无源毫米波成像探测系统的相关技术,研究了以高斯模糊和径向模糊方法模拟生成毫米波图像的问题,之后研究了非线性外推图像增强算法,并对其作出了改进,通过仿真结果验证了图像增强算法的可行性。2.研究了毫米波图像中的特征提取与描述方法:分析并比较SUSAN算子、Forstner算子及SIFT算子在毫米波图像中的特征提取效果及其稳定性。针对SIFT算子在生成特征描述符过程中运算量大的问题,对SIFT算子方向分配过程提出了其改进方法,有效地降低了SIFT算子的计算量。之后针对SIFT算子中梯度计算易受噪声影响的问题,引入方向可变滤波器理论,提高了SIFT算子中梯度计算的稳定性。3.研究了毫米波图像中目标检测与识别问题:引入高斯混合模型作为毫米波图像中的背景估计方法,以背景减除法作为目标检测算法;针对在传统高斯混合模型中出现虚假目标的情况,引入SUSAN算子与高斯混合模型背景估计进行特征融合,提升了在低对比度的场景中的检测效果。之后研究并引入基于特征袋模型的目标识别算法,利用仿真实验验证了该目标识别算法的可行性,得出了适用的分类核函数。