独立成分分析（Independent Component Analysis，ICA）是一种重要的特征提取技术。它所提取的特征之间是尽可能相互独立的，这不仅最大化的降低了特征之间的冗余信息，还更能反映数据之间的内在本质。因此，它得到了广泛的研究和应用。本文深入分析了ICA模型的原理与机制，利用ICA提取的特征研究了图像的公共基问题和合成孔径雷达（Synthetic Aperture Radar，SAR）图像的分割算法。图像的公共基是指，构成图像的一组基，使得所有的图像都可以在该基上线性表示。本文旨在于找到一组适合于多种类型图像的公共基，然后在公共基张成的空间中研究图像的各种问题。首先利用ICA模型从一组图像中提取一组特征，作为公共基；然后利用偏最小二乘估计（Partial Least Squares，PLS）将图像投影到公共基张成的空间。实验结果表明，由ICA模型和PLS模型生成的框架，可以很好的对自然图像和SAR图像进行分解与合成。同时，还发现提取公共基所用的图像集是容易获得的，并且公共基与投影系数之间具有一一对应性。接着，利用公共基研究了基于稀疏表示的图像压缩算法。实验结果表明，通过控制还原图像时投影系数的百分比，可以在图像较高的还原质量下，取得很高的压缩率。另一方面，由于合成孔径雷达在生成图像时不受时间和天气的影响，其使用十分广泛，因此，SAR图像分割算法的研究十分重要。本文旨在于利用ICA特征实现SAR图像的分割。首先研究了SAR图像纹理特征分析的现状；然后利用ICA模型对纹理特征合成的向量进行降维，也即是二次特征提取；最后利用KNN分类器对图像中像素进行分类，从而实现图像的分割。同时，还研究了与ICA模型相关的几种线性降维模型（Principal Component Analysis（PCA），Fisher LinearDiscriminant （FLD）， Relevant Component Analysis （RCA）， NeighbourhoodComponent Analysis （NCA）和Discriminant Independent Component Analysis（DICA）），与基于ICA模型的结果进行比较分析。实验结果表明，ICA模型在SAR图像的分割结果很差，而其它的模型都能很好的分割SAR图像。其中，PCA模型对地形区域明显，细节特征少的图像分割效果较好；其它的模型可以更好的捕获图像中的细节信息。这些模型都会产生边缘效应（边缘区域误分），而DICA模型对边缘效应的抑制最好，更适合于进一步改进。另外，还用随机采样技术研究了纹理特征的稳定性与特征窗口大小的关系，获得了一个合适的窗口大小。