无源毫米波探测成像系统利用物体自身辐射的能量差异而成像，所成图像能够实现隐匿物品的探检。无源毫米波探测成像技术广泛运用在机场安检、重点区域监控和战场环境侦查等领域。由于毫米波探测系统的成像分辨率受天线特性的限制，所成的毫米波图像较为模糊，图像分辨率较差，这些缺点不利于开展后续的图像检测、融合等研究工作。利用多波段图像融合技术，将毫米波图像和同一场景的光学图像进行融合，综合多传感的成像优点，减少图像冗余信息，增强互补信息，以便人眼识别与研制。　　本文研究基于具体的科研项目。首先研究了聚类分析技术，用以进行毫米波图像分割，提取出感兴趣的目标区域；然后在此基础上，研究并提出了一种基于区域分割和多尺度分解的多波段图像融合方法；具体的研究内容包括：　　1.基于无源毫米波成像理论、模型和多波段图像融合基础理论，对毫米波成像原理和成像特点进行了分析。对一些典型的多波段图像融合方法和图像融合质量的评价指标进行了分析和总结。　　2.研究了聚类分析技术。对聚类模型的划分、对象之间的相似性度量进行了阐述。并重点介绍了 K均值聚类算法，通过仿真实验，验证了其用于毫米波图像分割是有效和可靠的。　　3.研究了模糊C均值聚类和高斯混合模型聚类算法。通过优化目标函数，引入邻域约束信息，对标准的模糊 C均值聚类算法进行了改进。基于概率分布的思想，对图像像素的灰度直方图分布进行拟合，将混合高斯模型和期望最大算法用于毫米波图像的分割处理，提取出了毫米波图像中的高灰度值目标区域，得到了目标和背景的二值化图像。　　4.研究并提出了一种基于区域分割和多尺度分解的多波段图像融合方法。使用聚类分析技术对毫米波图像进行分割，得到目标背景二值化图像后，对毫米波图像和可见光图像进行“非下采样金字塔（Nonsubsampled Pyramid，NSP）”变换。针对子图中的目标和非目标区域制定不同的融合策略，再将各尺度上的子图进行多尺度重构，得到融合图像。　　本文的算法基于毫米波探测系统的实测图像进行了仿真。软件仿真平台为Windows系统、Matlab和Visual Studio2010软件，仿真结果证明了算法的有效性和稳定性。