当今信息化时代,我们无时无刻不接触到图像。各种因素的干扰会导致图像的信息被破坏,影响人们对信息的获取以及后续处理。基于盲源分离(Blind Source Separation,BBS)的X射线序列图像降噪算法,依据独立成分分析(Independent Component Analysis,ICA)相关分离理论,其本质是认为噪声和图像数据之间是相互独立的,通过将噪声从含噪图像中分离来达到降低噪声的要求。本论文拟将ICA理论应用于图像降噪,基于ICA结合稀疏编码收缩法进行实际图像序列降噪,并且进一步基于固定点(FastICA)算法对模拟图像序列进行降噪,通过改变输入图像序列张数来研究算法性能。随后,提出了一种基于高阶无参考的评价标准HMSE,在实验仿真过程中,发现该评价标准完全可以用来客观评价降噪效果。本文在MATLAB2015b平台上,将Fast ICA算法与Frame Average算法以及奇异值分解(Singular Value Decomposition,SVD)算法进行比较,通过改变采样张数与噪声标准差来研究降噪特性。研究表明,多张图像序列降噪算法特性优于其他单张图像降噪方法。总体上来讲,本文方法不需要噪声的先验信息,就可以将有用图像信息提取出来,提取效率随图像序列中图像数量增加而提高,也将随盲源分离方法的技术改进而提高,是一种实用且有潜力的X射线图像降噪方法。