毫米波无源成像利用场景和目标在毫米波段辐射能量及其差异实现成像。与红外、光学、微波成像相比具有独特的技术优势,在场景监视、战场侦察中有着重要的应用价值,也是国内外研究的热点。然而,由于物体毫米波辐射能量非常弱,且远距离目标受限于空间分辨率,与环境杂波差异较小。因此,如何实现低信杂比条件下的微弱运动目标检测是毫米波成像应用中的难点问题。本论文针对该问题,主要开展了以下工作:1)对实际场景中的物体亮温和噪声进行测量统计,分析背景噪声的统计特征信息,采用了维纳滤波和数学形态学滤波相结合的预处理方法,在背景抑制,提高输入信噪比方面取得了较好的效果。2)针对先检测再跟踪(DBT)算法对低信噪比图像效果差的问题,采用了基于改进检测门限的动态规划(DPA)的先跟踪再检测(TBD)算法。该算法对不同特征的毫米波图像具有更好的自适应性,和更好的检测性能。3)针对传统动态规划算法中的团聚效应对检测性能的影响,提出一种双向并行处理的方法,去除了检测轨迹末端的团聚点,可有效改善算法的检测性能。同时引入极值理论(EVT)对检测性能进行分析,得出了检测概率的定量关系式。4)针对系统实时性的要求,引入一种基于状态稳定性的动态规划算法(SSDP)。该算法可以明显降低要求的图像输入信噪比,并且去除传统动态规划算法的团聚效应,且计算量好于传统动态规划算法。上述算法都经过了仿真验证,结果表明改进的动态规划算法对低信噪比图像仍然适用,且具有较好的检测概率,更好的实时性。