本文介绍了独立分量分析(ICA)的基本理论、寻优判据和学习算法，对三种典型的ICA算法(非完整自然梯度ICA算法SANG、不动点ICA算法FPICA和等变化稳健ICA算法ERICA)进行了讨论，在此基础上进行了如下工作： 首先，提出了一种改进的等变化稳健ICA算法(NERICA)，解决了ERICA算法收敛速度慢的问题。 其次，通过仿真实验，对上述四种ICA算法在多种图像分离应用中的效能进行了细致的分析和比较。结果表明，对于混合矩阵非奇异的无噪声灰度或彩色混合图像，若各混合图像在成像过程中能精确定位，则NERICA与其它三种ICA算法同样地表现出优良的分离效能和较强的稳健性；对于带噪声图像的分离问题，在特定噪声的情况下NERICA也表现出了良好的效能，且收敛速度较ERICA大为提高；使用数字滤波方法对带噪声图像进行预处理后，可以改善分离效果。 最后，在用ICA方法实现刑侦痕迹图像分离方面，进行了创新性的研究工作。结果显示，若能有效地提取到现场痕迹图像及其相关图像，经过预处理后，用所提出的NERICA算法可以较快地分离得到所需的痕迹图像。