被动毫米波成像分辨率不是很高，但成像原理和可见光成像原理是相似的，因此，在可见光图像目标检测和识别技术中可以应用于毫米波成像。

在国内目标检测方面大都采用去噪、增强、分割的方法，Hu采用高斯滤波去噪，Contourlet变换增强，最后采用OSTU分割方法得到目标区域[10]；孙增强目标区域采用的方法是小波软阈值小波域以及非线性外推法，使用迭代阈值来获得目标[11]。而严的检测定位是采用Haar-like 特征训练Adaboost法，但是此种方法检测的物体类别单一 [3]。78812

国外也有相关研究，Oriol Martnez在对图像进行去噪时，采用的方法是迭代转向内核回归法，在分割目标区域时采用局部二值拟合(LBF)的方法 [9]。韩国S。 Yeom等为了分割出目标区域，运用了期望值最大化与贝叶斯分类结合的方法，但上述方法仍有不足之处，其只针对人体区域小于隐匿物品灰度值的情况[12]。

在违禁物品识别方面，国外相比国内更早着手研究。M．A．Slamani等利用圆形度，傅立叶描述子以及区域不变矩等三种基于形状的特征值对毫米波辐射图像中的隐匿物品进行探测[13]；C．D．Haworth等采用混合统计方法，通过隐马尔科夫模型(EHMM)和期望值最大化(EM)算法对毫米波辐射图像序列中隐匿在移动着的人体身上的金属目标进行自动探测、跟踪[14]。论文网

国外已经将毫米波成像违禁物品检测与识别运用到实际中了，但是国内技术还不够成熟。孙在区域HU矩构造的轮廓不变矩的情况下，利用BP神经网络和C均值模糊聚类(FCM)两种方法进行结合并对违禁物品进行识别[11]；潘在进行特征提取时采用SIFT算子，同时加以利用特征袋模型算法，用K-Means算法生成码书，并结合SVM的方法，进行识别隐匿违禁物品 [15]；胡在特征提取上采用HU矩不变量进行，并对违禁物品采用改进FCM进行模式识别[10]；严在检测违禁品上则采用Adaboost法，之后运用隐马尔科夫(EHMM)对隐匿违禁品进行分类识别[3]。