毫米波无源成像利用目标与场景在毫米波段的自身辐射差异进行成像,在战场侦察,场景监控,反恐安检方面有着广阔的应用前景。但是现有的毫米波无源成像系统在分辨率和实时性方面的性能还有待提高。近年来,E .J .candes等人提出了根据部分测量信息来精确重建原始稀疏信号的一种新理论,即压缩感知。其能在尽量减少信号采样的条件下获得高分辨率的重建图像。本论文将近年来压缩感知在稀疏信号处理领域取得的丰富理论成果应用于毫米波无源成像处理中,以期提高成像系统的性能与图像的空间分辨率。论文的主要研究内容及结果如下:1.研究了基于压缩感知的毫米波无源成像方法。根据无源毫米波图像的稀疏性,为了兼顾成像系统的传感器数量与成像时间,引入了分块压缩感知毫米波无源成像模型,研究了该成像模型的特点与性能且进行了仿真验证。2.根据毫米波无源成像的要求,需要快速且有效的压缩感知重建算法,研究了非凸集阈值收缩迭代(NCSHI)算法。该算法的迭代过程是在信号的约束超平面H与信号的非凸集范数球lp-ball交替的近似进行正交投影,直到算法收敛。仿真实验表明:该算法相对于凸集投影(POCS)算法有着更快的收敛速度与更高的重建性能。3.针对毫米波无源成像系统的等效低通作用,使得图像的分辨率低的问题,分析了图像的超分辨处理算法。使用投影landweber算法对降晰图像进行处理,使图像的分辨率得到提高。4.在毫米波无源成像的超分辨处理中,引入了图像稀疏先验信息,研究了投影自适应阈值迭代(PAIT)超分辨处理算法。图像的稀疏先验信息是用信号的p范数来表征的,在目标函数中加入稀疏信号的p范数约束项。该算法利用毫米波无源图像的稀疏先验性和非负有限性,对于图像中存在噪声时的处理非常有效,能获得良好的超分辨性能。最后利用该算法对实际成像系统获取的大量图像进行成像处理,效果显著。