随着社会的发展,人流量的增加,安检和监控成为了进入各大公共场所不可或缺的步骤。同时,随着人们越来越重视健康,对安检设备的安全性和高效性要求越来越高。当前,需要一种能够探测隐匿于衣物下的不同材质的隐匿目标,又对人体没有辐射的安检设备。太赫兹无源成像系统是利用物体自身辐射的太赫兹频段能量进行成像,且太赫兹频段具有衣物穿透性、高分辨性、不发射照射信号等特点,可以很好地探测人体衣服隐匿的目标。在安检监控领域有重要的研究和应用价值。在实际应用中,由于成像过程中可能会丢失部分场景中的信息,且无源图像质量并不一定理想,存在着各种噪声污染,并导致了图像分辨率低等问题。为了给后续的图像检测、识别等算法处理打好基础,有必要提高系统输出图像的质量,因此,需要进行去噪、超分辨等处理。本论文依托实际科研项目,主要研究了图像超分辨算法（super-resolution algotihm,SR）以及必要的图像去噪处理。本论文开展了相关的理论分析、算法研究、实验仿真以及工程实现等工作。具体包括以下几点:1)介绍了无源成像技术的基础理论和方法,分析研究了太赫兹无源成像系统的辐射测量原理和成像过程。在此基础上,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处理算法提供了理论支撑。2)分析研究了适用于太赫兹频段无源成像的去噪算法,主要针对太赫兹无源成像受到的环境干扰和系统波动等影响。传统的去噪滤波算法不能根据图像信息的差异去除噪声,还会模糊图像边缘细节;本论文研究的“基于引导滤波的去噪算法”可以有效针对太赫兹频段图像自身的特点,对不同的图像细节进行特异性去噪,有效保留图像的边缘以及去除噪声。3)分析了“基于自学习的超分辨算法”,研究提出了一种针对太赫兹无源成像系统的改进超分辨算法。该算法结合了传统超分辨方法不需要训练集的特点,可以对图像自身的信息进行学习,以实现图像的超分辨处理。4)分析研究了多种基于深度学习的超分辨算法,综合了平行残差网络和残差稠密网络的特点,设计了一种基于平行残差稠密网络的超分辨算法。该算法提取特征的能力强,相比残差稠密网络,具有更快的训练和处理速度;并能够有效解决训练的梯度爆炸和梯度消失等问题。仿真结果表明,该算法能够准确快速地实现超分辨处理。