目前,公共场所的安全问题受到各国的高度重视,公共场所人员的安全检查也变得越来越重要。而目前在公共场所使用的金属安检门和X射线检测仪等安检设备都存在着检测不全面、速度低和不安全等各种弊端,所以,各国开始广泛研究和应用检测快速、对人体无害的毫米波安检设备,其中的重要组成部分——图像识别分类技术也得到了广泛的关注。本文在前人的基础上,对毫米波危险品重构图像的目标识别与分类进行了分析和探讨。对于毫米波图像的预处理,根据其成像的原理和特点,首先用灰度拉伸的方法增强图像,接着采用形态学变换的方法处理图像,最后用大津法(OTSU)二值化图像,采用连通区域分析法提取出危险品目标图像。之后对提取出来的毫米波图像进行特征提取。由于要求提取的特征不变量对同种物品具有旋转、平移和尺度不变性,对不同的物品具有明显的差异性。本文研究了基于区域的两个低阶Hu不变矩、偏心率、扁度、外接矩形宽长比和矩形度六个形状特征,并一起作为特征不变量,通过实验提取了300组特征作为图像目标识别的依据。采用支持向量机多分类的一对一算法对提取的特征进行训练和识别,识别率达到93%,且用时少,符合实时性要求。同时用BP神经网络对危险品特征进行了训练和识别,识别率达到99.5%,但是用时比支持向量机长,并且不够稳定。最后,采用连通区域分析的方法对毫米波重构图像上的危险品进行定位。实验表明,本文对毫米波重构图像采用的预处理方法和流程是可行的,预处理效果良好。提取的图像特征验证了其对同种物品的旋转、平移和尺度不变性及对不同物品的差异性。采用的识别算法分类效果良好,且具有较好的实时性。