毫米波被动成像技术通过采集被观测物体辐射出的毫米波能量,分析其毫米波辐射特性,进行特性分析和分类识别研究。因毫米波具有穿透性强、无辐射、全天候等优点,适用于对隐匿物体进行检测,在机场、海关等公共场合的安检活动和国际反恐领域中有着广泛的应用。然而,受毫米波被动成像系统天线口径、器件噪声以及环境干扰等因素的影响,系统测得初始毫米波图像分辨率较低,噪声干扰较为严重。为进行更为精细的目标特性分析和识别分类研究,需要对毫米波图像进行去噪增强和超分辨处理,以提升图像质量。本文主要工作如下:一、综述了毫米波成像技术、去噪技术以及超分辨重建技术的国内外研究现状。从黑体辐射理论出发,分析了无源毫米波成像原理和探测理论、探究了其成像的数学模型。二、将小波分析法应用于毫米波图像的去噪研究中。在深入分析了小波阈值算法的原理后,针对传统硬阈值函数造成的振荡效应和软阈值函数存在固定差值这一问题,提出了一种基于双调节因子的新阈值函数。从理论分析上,阐述了改进后算法的优越性和灵活性,并通过实验分析了各个算法的去噪性能。仿真结果表明,与硬阈值函数和软阈值函数相比,经本文改进小波阈值函数处理后的毫米波图像更加柔和、主观视觉感官更好,峰值信噪比分别提升了0.67d B、1.06d B。三、针对毫米波图像模糊、分辨率较低的问题,研究了基于卷积神经网络的图像超分辨算法（Super-Resulotion based Convolutional Neural Network,SRCNN）,从卷积核的尺寸、数目和学习率这三方面对网络结构模型进行改进,对数据集进行比例缩放和角度旋转以获得更多的图像特征信息。实验仿真数据表明,改进后的算法重建效果更好,算法收敛速度更快,且对光学图像重建也有一定的提升效果。