世界上第一台毫米波辐射计成像系统“Green Window”[1]出现在上世纪五十年代，它是由英国国防研制中心首次研制出的毫米波成像系统。从此人们逐渐将目光转向被动毫米波成像领域。从那以后很多发达的欧美等国家的科学家开始对毫米波成像的理论及应用投入了大量的研究。但由于当时一些技术条件的限制以及元器件的发展水平不高。毫米波成像技术在随后的近几年中并没有实现突破性的进展。在接下来的一段时间过程中，微波元器件及信号处理技术的迅速发展为毫米波成像技术的进步提供了重要的支持。毫米波成像系统在其应用方面以优越的性能，很快应用到很多重要的领域，毫米波成像技术已成为当今技术发展不可或缺的一部分。23013
     本文所进行的研究是基于被动毫米波系统得到的图像，通过对图像进行一系列复杂的处理，及识别算法的设计，来实现对图像中的可疑目标进行检测和识别。任何物体每时每刻都在不停的发射电磁波，每个物体都有各自的频谱。物体辐射的能量通过大气窗口（35、94、140、220hz)进行传播，被动毫米波成像系统通过获得此能量进过一些复杂的变换形成图像[2]。一般的毫米波成像系统的组成单元一般包含天线、辐射计、信号处理单元系统等多个部分。论文网
     毫米波成像理论进过一段时间不断的发展，迄今为止毫米波的成像理论获得了突飞猛进的发展。毫米波成像理论进过一段的时间发展到现在，广泛使用的成像机制有很多。最先发展起来的是机械扫描成像，但由于其成像原理简单，机械运动造成成像速度慢，生成的图片分辨率不高，随着时间的发展，正在逐渐的被替代。为了改进其缺点，进而提出了相控阵成像，这种方法提高了系统的成像速度，增加了图像的分辨率。除此之外还有焦平面成像和技术更加复杂的合成孔径成像[3]。毫米波成像技术已经由最开始的结构简单、图像分辨率低的机械扫描向着结构更加复杂、分辨率更高的多波束方向发展。机械扫描成像是早期的一种成像方式[4]。最早出现的是单波束机械扫描式，它的工作原理简单：主要是依靠机械运动扫描整个场景来获得图像。但因为机械运动生成的图像分辨率较低，成像时间慢。正在逐渐的被淘汰。相控阵采用电子扫描速度比机械扫描快很多，但由于成本昂贵以及技术复杂，使其很难得到广泛的应用。合成孔径技术[5]是将多个小孔径组合使其达到大孔径的效果，但这种系统也由于设备过于复杂和昂贵很难达到广泛的应用。焦平面平面阵列[6]是现如今应用较广的一种成像方式。它的工作原理是将多个接受单元同时接受物体辐射的能量，利用各个接受单元的偏焦不同形成多波束来覆盖整个视域。总而言之被动成像由于穿透性强，隐蔽性能好等多种优点使其得到广泛的应用。本文主要是对毫米波图片进行目标识别与检测。
由于从成像系统中获得的图片有各种各样的噪声，为了以后对图片处理的方便，要对图像进行预处理。预处理是包含去噪，分割轮廓提取等操作。在毫米波边缘检测方面传统的Canny算子很难通过图像的细节自动确定，姚欣[7]继承了传统方法的优点，并在此基础上改进了传统方法的性能。它采用了基于Kirsch算法使分割的阙值自适应确定的方法。
袁等[8]在毫米波辐射计对金属识别时通过除去图像中干扰点，除此之外符合连通域面积要求的区域即为目标。目标识别理论发展到目前为止，现在广泛使用的有统计模式识别，该方法是把模式看成随机向量的集合，再对模式进行统计分类。结构模式识别，该方法是对模式之间基本组成元素及相互之间的关系进行识别。模糊模式识别，该方法是对传统模式识别的补充，其核心思想就是把模糊数学引入模式识别方法中。神经网络法[9]是目前刚刚发展起来的模式识别方法，它是通过模拟大脑的神经元的功能来实现一些复杂的功能。自适应增强(Adaptive Boosting，AdaBoost)算法[10]发展至今，已经广泛的应用于各种识别方式中。它属于统计模式识别领域，现如今理论已十分成熟，现在已用于人脸检测的工作中，它将弱分类器级联成强分类器，用于实现检测目标。隐马尔可夫模型(Hidden Markov Model，ⅧⅥM)[11]作为一种统计分析模型，最早创立于上个世纪70年代左右。经过一段时间的发展，理论已趋于成熟，现已广泛应用于模式识别领域。隐马尔可夫模型最早是用于语音识别中，并获得巨大的成功。它的基本思想是通过提取语音信号的Mel频率倒谱系数作为提取说话人的特征，将收集到的特征用于训练和识别[12]。隐马尔可夫模型的识别技术在模式识别领域比其它的很多识别方法有很多的优势之处，现在很多的识别问题都应用隐马尔可夫模型来解决。 毫米波成像技术及其图像处理技术国内外研究现状:http://www.youerw.com/yanjiu/lunwen_15911.html