图像压缩是存储和传输图像时的一个重要技术。现有的许多图像压缩方法都是以去除图像的统计冗余为的方式达到数据压缩，很少考虑人眼的视觉冗余，往往无法达到更高的压缩效果。为了提高压缩比，可以利用人类的视觉特性。稀疏编码方法就是一个模拟动物视觉的例子，它是一种模拟哺乳动物视觉系统主视皮层V1区简单细胞感受野的人工神经网络方法，而独立成分分析(IndependentComponent Analysis，ICA)是一种特殊的稀疏编码。因此，本文提出了一种基于独立成分分析的图像压缩方法。首先，利用FastICA算法在训练图像集上得到一组基函数。这组基函数具有人类视觉系统所具备的局部性和带通特性，它们的响应概率分布也满足稀疏分布，这种稀疏性说明这组基函数可以用来压缩图像。然后，通过设置零系数百分比的方法增强稀疏性，使压缩更有效。最后，该方法与离散余弦变换(Discrete Cosine Transform，DCT)编码方法做了对比实验。实验结果表明，在高压缩比条件下，本文的方法优于DCT编码方法。　　另外，人眼视觉系统中存在选择性注意机制。这种机制使得人眼对一幅图像的不同区域的关注程度不同的。考虑到这一机制，本文引入视觉显著性检测对提出的基于ICA的图像压缩方法进行了改进。首先利用显著性检测方法对待压缩图像的显著度进行计算得到显著图，然后，将显著图进行二值化，映射到原图得到图像的显著性区域和非显著性区域。最后，对于那些人眼关注度高的显著区域采用低的压缩率以保证质量，而对于人眼不太关注的非显著区域可以采用高的压缩比。实验结果表明，改进后的图像压缩方法能够保证图像显著性区域的质量，提供更好的主观直觉效果。　　无论是对图像压缩还是其它图像处理技术，图像质量评价结果都是衡量所采用的图像处理技术和算法优劣的一个重要指标，因此提出一种合理有效的图像质量评价方法是十分必要的。本文提出了一种基于ICA的客观质量评价方法，该方法通过计算源图像与失真图像的独立成分分量的相关系数(IndependentSources Correlation Coefficients，ISCC)来衡量图像的质量。本文在LIVE图像数据库中进行了测试，通过非线性回归分析发现，该方法优于部分典型客观图像质量评价方法。再次引入视觉显著性检测对该方法进行改进，实验结果表明对于彩色图像的质量评价，引入显著性检测可以提高性能。最后，本文还对影响结果的参数包括窗口尺寸和保留维数进行了讨论。