近年来，独立成分分析算法(Independent Component Analysis，ICA)在图像研究领域得到广泛的研究应用。该算法在语音信号的分离、图像信号的消噪、人脸图像的识别、金融数据的分析、医学信号的处理等方面已经得到很好的应用，这些都说明了ICA算法的应用价值。本论文旨在探讨ICA算法及其应用，以及多层ICA扩展算法及其应用研究。本文系统阐述独立成分分析算法，尤其是快速独立成分分析算法(Fast ICA)。本文在独立成分分析算法应用方面的研究都基于快速独立成分分析算法。该算法较其他独立成分分析算法在速度上有质的提高优势，本文充分利用快速独立成分分析算法在信号分离、图像识别、图像重构、图像压缩方面做了应用研究，均取得很好的效果。本文通过对单层ICA算法进行扩展，得到了多层ICA算法，并将其应用于自然图像，提取到更高阶的图像特征，并根据激活图像的物质标识性应用于辅助水下机器人导航避障。多层ICA算法的核心思想是通过对单层ICA算法的输出进行非线性变换，使变换后的输出满足单层ICA算法的输入，从而建立多层ICA算法，提取到单层ICA算法没有办法提取到的非线性高阶统计特征。通过将多层ICA算法应用于自然灰度图像，发现通过第二层ICA算法所获得的图像特征更多地展示了图像更细的纹理特征以及大区域的外形轮廓，并且对于天空、水域等较为纯净的背景显示的轮廓分界更为清晰，而对复杂物质形成的图像区域分界则较为模糊。第三层ICA算法所获取的图像特征与第二层类似，但是由于越到高层信息量越小，所以特征效果要比第二层弱化一些。最后，本文通过大量的MATLAB实验，将理论算法得以很好的仿真应用，从实验效果来看，各个算法应用研究都取得不错的效果，说明对单层ICA算法的图像应用研究和多层扩展的ICA算法研究是有效的。