太赫兹无源成像(Terahertz/THz Passive Imaging)利用太赫兹频段的高穿透性,并收集目标本身辐射的太赫兹波进行成像,能够实现对隐匿物体的成像,并根据成像结果判定隐匿目标的类别,实现对隐匿目标的识别,是安检技术的研究热点,为国际反恐维稳提供重要的技术支撑。太赫兹无源成像获取的太赫兹无源图像分辨率有限,在对其进行目标检测识别之前,需要利用一些图像处理算法对其进行处理,如图像去噪算法,图像融合算法,图像超分辨算法和图像目标边缘提取算法等。本论文依托实际项目,主要研究图像超分辨算法(super-resolution algotihm,SR)和目标边缘提取(contour extraction algotihm,CE)算法。针对这些算法,本文开展了相关的理论分析,方法研究及实验仿真等工作,主要有:(1)基于太赫兹无源成像技术的基础理论,分析研究了太赫兹无源成像的辐射测量原理,形成了本论文算法研究的技术路线,为太赫兹无源成像图像超分辨算法和目标边缘提取算法提供理论支撑。(2)研究提出了一种基于去噪残差网络的太赫兹无源成像图像超分辨算法。针对太赫兹无源图像受到多种降质因素(这其中主要有受天线孔径影响带来的下采样、高频细节丢失和噪声带来的模糊等)的影响而带来的部分图像信息丢失的现象,使得采用传统卷积神经网络效果不好的问题,结合卷积操作的滤波功能和反卷积操作的逆滤波功能,可以实现卷积神经网络的去模糊功能。该方法相比于加深网络层数提高网络性能的方式,能加快网络的训练速度且重建效果比加深网络层数的方式更好。(3)基于主动轮廓模型,研究提出了一种针对太赫兹无源成像的目标边缘提取算法。针对主动轮廓模型对初始轮廓位置敏感,对凹陷区域收敛不好的问题,先利用局部最大类间方差法对太赫兹无源图像进行一次阈值分割,再在阈值分割的基础上对太赫兹图像进行主动轮廓提取,该方法能有效收敛到太赫兹无源图像凹陷的边缘部分,能进一步提高目标边缘提取的准确性。以上工作已通过实际实验仿真验证,结果表明,这些方法能够有效实现高分辨率图像的重构以及目标边缘的提取。