基于毫米波的隐身目标识别技术一直是近年来国内外的研究热点。本文利用毫米波下金属目标的辐射特性研究了毫米波下隐身目标的识别算法并对其图像进行增强处理及信息提取。基于毫米波的隐身目标识别及信息处理,本文研究工作如下:(1)根据毫米波辐射理论基础,建立平面金属目标模型与立体金属目标模型。通过实验对毫米波探测的平面金属、立体装甲目标及隐身目标的辐射值进行采集,并对隐身目标的辐射特性进行分析。(2)根据目标在毫米波下的辐射特性对隐身目标识别算法进行研究。首先使用随机森林法对隐身目标进行识别,通过实验得到毫米波的辐射能量数据,将数据输入到随机森林识别算法中,对毫米波隐身目标进行识别及仿真验证,从结果中分析随机森林法存在的问题。为弥补随机森林算法的不足,提出了卷积神经网络算法对隐身目标进行识别。将预处理后的数据输入到卷积神经网络中并对毫米波隐身目标进行算法识别及仿真验证。该算法弥补了随机森林算法的不足,最终取得较好的识别效果。(3)为了使毫米波隐身目标的特征提取效果更好,将整个过程分为三部分进行图像处理:首先,通过灰度处理调节图像对比度,滤波处理去除图像中的噪声;其次,使用改进的图像分割算法实现隐身目标与背景的彻底分离;最后,采用形态学处理复原图像的边缘损失,实现对目标轮廓边缘的提取及位置的确定。最后,本文在基于毫米波的隐身目标识别算法及毫米波隐身目标图像信息处理上均取得了理想的效果。