在全球范围内的公共交通场所,譬如火车站、地铁站和飞机场等,经常会发生一些暴力或恐怖事件,因此,必须排除乘客携带刀具、枪支、毒品和炸药等危险物品的情况。毫米波对衣物穿透能力强,成像图像分辨率高,能够检测出藏在衣物下的危险物品,故研究及制作以此为基础的安检设备及其目标分类识别技术有很大的意义。主动毫米波成像结果与被动成像结果各有优劣,因此,本文提出了基于多特征融合的主被动混合毫米波成像目标识别方法,使两种成像方式测得的结果在特征层面融合,提高毫米波成像系统对不同危险品目标的识别能力。本文研究主被动毫米波成像实验系统及结果、图像预处理技术、特征提取、多特征融合以及目标分类识别方法等内容,具体为以下四个方面:首先,一方面讨论了被动毫米波成像技术,推导了黑体辐射理论和接收天线的接收功率与温度的线性关系,介绍了被动毫米波成像系统结构和实测系统光学照片,给出了被动毫米波成像实测实验结果。另一方面讨论了主动毫米波成像技术,给出了主动毫米波成像系统的结构框图,详细推导了两种主动毫米波全息成像重建算法,包括反向传播算法（Back Propagation,BP）和基于快速傅立叶变换的重建算法,给出了主动毫米波成像实测系统光学照片以及实测数据。第二,讨论了应用于主被动毫米波成像的图像预处理技术,包括图像增强、形态学变换、二值化和边缘检测四个流程。分别介绍了图像增强、形态学变换和二值化的作用、算法与原理,以及Canny、Sobel、Prewitt、Roberts和Laplace算子五个目标轮廓提取算子的算法。此图像预处理流程可以有效地突出目标、消除背景干扰并且能够清晰地描绘出目标轮廓。第三,讨论了图像特征提取方法、数据特征提取方法以及多特征融合方法。根据图像特征选特标准,选择Hu二阶矩、偏心率、矩形度、图像梯度等图像特征,完成了不同目标被动毫米波成像的图像特征提取。根据数据特征选择标准,选择区域幅度均值和幅度最大值作为主动数据特征,完成了不同目标主动毫米波成像的散射数据特征提取。在此基础上,提出了加权串联融合的多特征融合方法,根据主被动毫米波成像单独的正确识别率与特征维数确定特征向量的加权系数,进而得到了主被动毫米波成像融合后的特征向量形式。最后,讨论了应用于毫米波成像的目标分类识别方法,包括支持向量机和BP神经网络。针对支持向量机,采用一对一算法构造15个分类器,将6种不同目标的特征向量输入支持向量机进行训练;针对BP神经网络,构造两层神经网络,将6种不同目标的特征向量输入BP神经网络进行训练,得出融合后的特征向量优于原特征向量的结论。此外,采用正确识别数、正确识别率、训练时间和识别时间等指标对两种分类识别方法进行定量分析,得出使用支持向量机进行毫米波成像目标分类识别的效果优于BP神经网络的结论,为主被动毫米波成像在特征层面的融合提供了思路。总之,本文关于主被动毫米波成像实验系统、图像预处理技术、特征提取、多特征融合以及目标分类识别方法等方面的研究,为以此为基础的安检设备的应用奠定了理论基础。